# eTools

**Repository Path**: xeasywork/eTools

## Basic Information

- **Project Name**: eTools
- **Description**: 基于 Electron + React 构建的 Windows 桌面应用。面向开发人员和业务人员的日常工具集合，采用插件化架构，便于扩展新工具。
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: https://docs.xeasywork.com
- **GVP Project**: No

## Statistics

- **Stars**: 4
- **Forks**: 0
- **Created**: 2025-12-03
- **Last Updated**: 2026-01-13

## Categories & Tags

**Categories**: application-software

**Tags**: None

## README

<div align="center">

# eTools - 这也可以吗？

> 面向开发人员和业务人员的日常工具集合，采用插件化架构，便于扩展新工具。

[English](README_EN.md) | 简体中文

📖 [使用文档](https://docs.xeasywork.com/)

🔗 [GitHub](https://github.com/xeasywork/eTools) | [Gitee](https://gitee.com/xeasywork/eTools)

基于 Electron + React 构建的 Windows 桌面应用。

</div>

## 📸 应用截图

![机器学习项目中心](images/zh/1.png)

![数据管理工具](images/zh/2.png)

![端口扫描工具](images/zh/3.png)

![压测工具](images/zh/4.png)

![数据探索](images/zh/5.png)

## ✨ 特性

- **统一入口**：将多个常用工具集成在一个程序中，无需切换多个应用
- **插件化架构**：支持通过插件方式添加新工具，易于扩展
- **多语言支持**：支持简体中文和英文，可随时切换
- **标签页管理**：支持同时打开多个工具，切换语言时自动保持打开状态
- **窗口状态保持**：自动保存和恢复窗口大小、位置、全屏状态和打开的标签页
- **Windows 专用**：仅支持 Windows 平台（使用 Python 嵌入版本）
- **离线/内网环境支持**：完全支持离线及内网环境运行，无需外网连接，所有数据本地存储，保证数据安全性
- **配置管理**：支持配置存储和历史记录
- **搜索功能**：快速搜索和定位工具（Ctrl+K）
- **数据库管理**：内置 SQLite 数据库，支持数据持久化

## 🛠️ 内置工具

> **重要说明**：以下所有工具均为**内置工具**，已集成在应用中，无需额外安装或配置，开箱即用。

### 文本处理
- **Base64/URL 编解码**：支持 Base64 和 URL 编码解码
- **JSON 格式化**：JSON 数据格式化和验证
- **汉字转拼音**：中文转拼音工具
- **正则替换**：正则表达式文本替换
- **文本差异对比**：可视化文本差异对比
- **驼峰命名转换**：支持多种命名风格转换
- **LaTeX 编辑器**：LaTeX 代码编辑、实时预览和模板生成

### 时间工具
- **时间戳转换**：Unix 时间戳与日期时间互转
- **Cron 表达式生成器**：生成 Cron 定时任务表达式
- **日期计算器**：日期加减、日期差值计算等日期计算功能

### 网络工具
- **Ping 检测**：网络连通性检测
- **DNS 查询**：域名解析查询
- **端口扫描**：TCP 端口扫描工具
- **压测工具**：HTTP/HTTPS 接口压力测试工具

### 加密工具
- **AES 加密/解密**：AES 对称加密算法
- **DES 加密/解密**：DES 对称加密算法
- **3DES 加密/解密**：3DES 对称加密算法
- **Blowfish 加密/解密**：Blowfish 对称加密算法
- **SM4 加密/解密**：国密 SM4 对称加密算法
- **RC2/RC4/RC5/RC6 加密/解密**：RC 系列对称加密算法
- **Rabbit 加密/解密**：Rabbit 流密码算法
- **XOR 加密/解密**：异或加密算法
- **RSA 加密/解密**：RSA 非对称加密算法
- **SM2 加密/解密**：国密 SM2 非对称加密算法

### 哈希工具
- **文件 Hash 计算**：计算文件的 MD5、SHA1、SHA256 哈希值
- **MD5 哈希**：MD5 哈希计算
- **SHA 哈希**：SHA1/SHA256/SHA512 哈希计算
- **HMAC-MD5**：HMAC-MD5 消息认证码
- **HMAC-SHA**：HMAC-SHA 系列消息认证码

### 开发工具
- **HTTP 接口调试**：RESTful API 调试工具
- **Mock 接口服务**：本地 Mock 服务器
- **Mock 数据生成**：测试数据生成器
- **SSL 证书工具**：SSL 证书信息查看和验证

### 业务工具
- **项目管理**：项目信息管理
- **需求管理**：需求文档和功能树管理，支持富文本编辑
- **数据管理**：数据库设计工具
  - 数据表和字段管理
  - 支持多数据库类型（SQLite、MySQL、PostgreSQL、Oracle、SQL Server）
  - DDL 导出功能
  - ER 图生成和导出（PNG 格式）
  - 外键关系管理
- **单位管理**：项目单位信息管理，支持 Excel 导入导出
- **文档生成**：根据需求管理数据生成 Word 文档（使用 Python 脚本）
- **PPT 批量生成**：根据 Excel 数据或需求管理数据批量生成 PPT（使用 Python 脚本）

### 机器学习工具
- **项目中心**：创建和管理机器学习项目，支持分类和回归任务
- **数据探索**：可视化数据质量和分布，生成数据分析报告
- **特征工程**：设计数据预处理流水线，配置数值特征和类别特征
- **数据集划分**：交互式设置训练集/验证集/测试集划分比例
- **训练执行**：启动模型训练，实时查看训练日志，生成实验记录
- **评估与可视化**：查看实验评估结果和可视化图表（准确率、F1分数、混淆矩阵等）
- **模型测试与应用中心**：AI 模型单条测试、批量推理和应用演示

> **机器学习功能说明**：详细的机器学习功能使用指南，请查看 [机器学习功能使用文档](https://docs.xeasywork.com/usage/tools/machine-learning/project-center.html)

## 🚀 快速开始

### 下载安装

1. 从 [使用指南](https://docs.xeasywork.com/) 下载最新版本的 Windows 安装包
2. 运行安装程序完成安装
3. 启动应用即可使用

### 从源码运行（开发者）

如果您是开发者，想要从源码运行或参与开发：

**安装依赖：**
```bash
npm install
```

**启动开发模式：**
```bash
npm run electron:dev
```

**构建应用：**
```bash
npm run build
```

**打包应用：**
```bash
npm run electron:build
```

> **提示**：详细的开发指南、技术栈说明、项目结构、插件开发指南等，请查看 [开发文档](https://docs.xeasywork.com/development/environment-setup/system-requirements.html)。

## 🐍 Python 脚本

部分功能（如文档生成、PPT 批量生成、机器学习）使用 Python 脚本实现。应用内置了 Python 嵌入版本（Python 3.13.10），无需系统安装 Python。

### Python 脚本说明

详细的 Python 脚本使用说明、环境配置、依赖安装等信息，请查看：

📖 **[Python 脚本文档](https://docs.xeasywork.com/development/python-scripts/script-development.html)**

该文档包含：
- Python 环境配置说明
- 脚本功能和使用方法
- 依赖库安装指南
- 开发调试技巧
- 常见问题解答

### 快速了解

**业务工具脚本：**
- **generate_doc.py**：Word 文档批量生成脚本，支持富文本格式转换
- **generate_ppt.py**：PPT 批量生成脚本，支持多占位符映射

**机器学习脚本（位于 `python_scripts/ai/` 目录）：**
- **ai_tool_entry.py**：机器学习功能入口脚本
- **trainer.py**：模型训练脚本
- **inferencer.py**：模型推理脚本（单条测试和批量推理）
- **evaluator.py**：模型评估脚本
- **data_analyzer.py**：数据分析脚本
- **pipeline_builder.py**：预处理流水线构建脚本
- **train_config_generator.py**：训练配置生成脚本
- **test_data_generator.py**：测试数据生成脚本

所有 Python 脚本都通过 Node.js 后端调用，用户无需直接操作 Python 脚本。

## 📖 使用说明

### 快捷键

- `Ctrl+K` - 打开搜索框，快速搜索工具
- `Ctrl+W` - 关闭当前标签页
- `Ctrl+H` - 打开帮助文档

### 功能说明

1. **工具搜索**：点击搜索框或按 `Ctrl+K`，输入工具名称快速定位
2. **多标签页**：可以同时打开多个工具，每个工具在独立的标签页中
3. **语言切换**：点击右上角语言图标，切换中文/英文界面
4. **状态保持**：
   - 切换语言时，已打开的工具会自动保持打开状态
   - 关闭应用后重新打开，会自动恢复窗口大小、位置、全屏状态和打开的标签页

### 数据管理工具使用

1. **选择项目**：在顶部选择要管理的项目
2. **选择数据库类型**：选择目标数据库类型（用于 DDL 导出和类型显示）
3. **功能树**：左侧显示项目下的功能树，点击功能查看对应的数据表
4. **表管理**：
   - 点击"新建表"创建数据表
   - 点击表列表中的编辑/删除图标管理表
   - 选中表后，下方显示字段列表
5. **字段管理**：
   - 在字段列表中点击"添加字段"创建字段
   - 支持设置数据类型、长度、精度、单位、主键、外键等
   - 外键支持关联到其他表的字段
6. **DDL 导出**：点击"导出DDL"按钮，导出当前表或功能下所有表的 DDL 语句
7. **ER 图生成**：
   - 点击"生成ER图"按钮打开 ER 图对话框
   - 在对话框中可以查看表之间的关系
   - 点击"导出PNG"按钮将 ER 图导出为图片

### 机器学习工具使用

机器学习模块提供了从数据准备到模型部署的完整工作流。详细使用指南请查看 [机器学习功能使用文档](https://docs.xeasywork.com/usage/tools/machine-learning/project-center.html)。

**快速开始流程：**

1. **项目中心**：创建机器学习项目，选择任务类型（分类/回归）和数据文件
2. **数据探索**：分析数据质量、分布和潜在问题
3. **特征工程**：配置数值特征和类别特征，设计预处理流水线
4. **数据集划分**：设置训练集/验证集/测试集划分比例
5. **训练执行**：配置模型参数，启动训练并查看日志
6. **评估与可视化**：查看模型评估结果和可视化图表
7. **模型测试与应用中心**：进行单条测试或批量推理

**主要特性：**
- 支持分类和回归任务
- 支持 sklearn 框架（更多框架支持中）
- 自动生成训练脚本和配置文件
- 实时训练日志查看
- 完整的实验记录管理
- 支持单条测试和批量推理

## 📁 项目结构

```
eTools/
├── src/                 # 源代码目录
│   ├── components/     # 应用组件
│   ├── plugins/        # 内置工具插件
│   └── ...
├── handlers/           # 后端处理器
├── core/               # 核心功能模块
├── python_scripts/     # Python 脚本
└── ...
```

> **提示**：详细的项目结构和技术细节，请查看 [开发文档](https://docs.xeasywork.com/development/environment-setup/system-requirements.html)。

## 📝 许可证

MIT License

## ⭐ 支持

开源不易：如果本工具对您有所帮助，希望您可以点个 ⭐ Star 支持一下！

## 🤝 贡献

欢迎提交 Issue 和 Pull Request！

如果您想参与开发，请查看 [开发文档](https://docs.xeasywork.com/development/environment-setup/system-requirements.html) 了解详细的开发指南。

## 📧 联系方式

如有问题或建议，请提交 Issue。