博客
关于我
Kotlin泛型中何时该用类型形参约束?
阅读量:200 次
发布时间:2019-02-28

本文共 1689 字,大约阅读时间需要 5 分钟。

当(当不)使用Kotlin泛型类型参数约束时

在开发Kotlin应用时,了解何时应该使用泛型类型参数约束至关重要。以下是一些实用的建议和示例,帮助您做出明智的决定。


示例场景:宠物选择器

假设您需要创建一个宠物选择器函数,能够从宠物列表中随机选择一个最喜欢的。以下是原始代码:

fun 
chooseFavorite(pets: List
): T { val favorite = pets[random.nextInt(pets.size)] // 此处无法访问 `name` 属性,因为 `T` 可以是任意类型 println("My favorite pet is ${favorite.name}") return favorite}

在上述代码中,T 可以是任何类型,包括 Int 或其他不具有 name 属性的类型,导致编译失败。


解决方案一:放弃泛型

一种简单的解决方法是直接去除泛型:

fun chooseFavorite(pets: List
): Pet { val favorite = pets[random.nextInt(pets.size)] println("My favorite pet is ${favorite.name}") return favorite}

这种方法的好处是无需处理泛型类型参数,但会导致返回类型固定为 Pet,无法接收其他类型的宠物列表。


解决方案二:使用类型参数约束

为了支持多种宠物类型(如 DogCat),我们可以在泛型中指定上界约束:

fun 
chooseFavorite(pets: List
): T { val favorite = pets[random.nextInt(pets.size)] println("My favorite pet is ${favorite.name}") return favorite}

这里,T 被限制为 Pet 及其子类,确保 favorite 总是具有 name 属性。


使用建议

根据您的需求,以下是使用泛型类型参数约束的两种主要场景:

1. 需要调用特定成员(如函数或属性)

如果您的函数内部需要访问某个特定类型的成员(如 name 属性),则必须使用带有类型参数约束的泛型。

2. 需要保留类型

如果您希望返回类型保持为特定类型(如 Pet),而不接受其子类,则需要使用带有类型参数约束的泛型。


何时不使用类型参数约束

  • 不需要调用特定成员:如果您的函数不依赖于某个特定类型的成员(如属性或方法),则可以不使用类型参数约束。
  • 不需要保留类型:如果您的函数返回类型可以是任意子类(如 Pet 的所有实现),则可以使用不带类型参数约束的泛型或更简单的抽象类。

分类表格

以下表格帮助您快速决策:

情况 是否使用类型参数约束 示例
需要调用特定成员 必须使用 chooseFavorite() 需要访问 Petname 属性
不需要保留类型 不使用 返回任意类型的列表(如 List<Any>
不需要调用成员 不使用 使用 Random.nextInt(),不依赖于特定类型
需要保留类型且不调用成员 使用 返回特定类型(如 Pet),但不依赖于其成员

如何指定约束

Kotlin 支持多种类型约束,例如:

  • T: PetT: Pet & Dog
  • T: List<Pet>
  • T: Any(通用类型)

具体约束方式请参考 Kotlin官方文档


读者评价

本文的核心观点是:是否需要调用成员决定了是否使用类型参数约束。如果您的函数内部需要访问某个特定类型的成员(如属性或方法),则必须使用带有类型参数约束的泛型。否则,可以选择不使用约束或使用更简单的类型。


通过以上示例和建议,您可以更明智地决定何时使用Kotlin的泛型类型参数约束,从而提高代码的可读性和可维护性。

转载地址:http://qqrs.baihongyu.com/

你可能感兴趣的文章
NI笔试——大数加法
查看>>
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
nmap 使用方法详细介绍
查看>>
Nmap扫描教程之Nmap基础知识
查看>>
nmap指纹识别要点以及又快又准之方法
查看>>