博客
关于我
lambda(一)
阅读量:205 次
发布时间:2019-02-28

本文共 1337 字,大约阅读时间需要 4 分钟。

行为参数化:让方法接受函数作为参数,并且在内部进行调用。

安利《Java8实战》,我至今才读到行为参数化和lambda表达式,不得不说这本书让人受益匪浅,就算我才看几章,他的设计理念也让人大大的提升了代码的复用性和简洁性。在书中有这么一个图:

举个列子,因为在开发的过程中,需求变化总是难以预计的,这时候就需要一个复用性更高的设计模式。假设有个果农,他有一对水果,这天他要筛选出红色的苹果,第二天他要筛选出绿色的,150g以下的,第三天他要筛选出绿色的香蕉,随着需求的不断变更,以往肯定是大量冗余的代码。但是使用行为参数模式,可以大大的提高代码的复用性,使用 lambda,可以大大的提高代码的简洁性。(int x)→x+5, 表示调用时给定参数x,就返回x+5的函数。

我们将list类型抽象化,甚至我感觉可以放到utils里当个工具用。

接口 predict

{
boolean test(T t);
}

public static

List
filterList(List
t, predict
p)
{
List
result = new ArrayList
();
for (T t2 : t) {
if (p.test(t2)) {
result.add(t2);
}
}
return result;
}

public static void main(String[] args) {

List
inventory = Arrays.asList(new Apple(80,"green"),
new Apple(155, "green"),
new Apple(120, "red"));

List
inList = Arrays.asList(new banana(100, "green")); //比如说现在要对苹果进行筛选 //1.只筛选红苹果 List
apples=filterList(inventory, (Apple a)->"red".equals(a.getColor())); //2.筛选绿色并且重量<150的 List
apples2=filterList(inventory, (Apple a)->"green".equals(a.getColor())&&a.getWeight()<150); //选香蕉 List
banList=filterList(inList, (banana b)->"green".equals(b.getColor())); System.out.println("1"+apples); System.out.println("2"+apples2); System.out.println("b"+banList);

}

输出结果:

1[Apple{color='red', weight=120}]
2[Apple{color='green', weight=80}]
b[Apple{color='green', weight=100}]

转载地址:http://yhii.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
查看>>
OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>