国产av日韩一区二区三区精品,成人性爱视频在线观看,国产,欧美,日韩,一区,www.成色av久久成人,2222eeee成人天堂

Inhaltsverzeichnis
Foto von Patric Ho
Heim Backend-Entwicklung Python-Tutorial Python: Refactoring zu Mustern

Python: Refactoring zu Mustern

Jan 16, 2025 pm 01:10 PM

Python: Refactoring to Patterns

Foto von Patric Ho

Diese pr?gnante Anleitung ordnet Python-Code-Smells den entsprechenden Design-Pattern-L?sungen zu.

class CodeSmellSolutions:
    DUPLICATED_CODE = [
        "form_template_method",
        "introduce_polymorphic_creation_with_factory_method",
        "chain_constructors",
        "replace_one__many_distinctions_with_composite",
        "extract_composite",
        "unify_interfaces_with_adapter",
        "introduce_null_object",
    ]
    LONG_METHOD = [
        "compose_method",
        "move_accumulation_to_collecting_parameter",
        "replace_conditional_dispatcher_with_command",
        "move_accumulation_to_visitor",
        "replace_conditional_logic_with_strategy",
    ]
    CONDITIONAL_COMPLEXITY = [  # Complex conditional logic
        "replace_conditional_logic_with_strategy",
        "move_emblishment_to_decorator",
        "replace_state_altering_conditionals_with_state",
        "introduce_null_object",
    ]
    PRIMITIVE_OBSESSION = [
        "replace_type_code_with_class",
        "replace_state_altering_conditionals_with_state",
        "replace_conditional_logic_with_strategy",
        "replace_implict_tree_with_composite",
        "replace_implicit_language_with_interpreter",
        "move_emblishment_to_decorator",
        "encapsulate_composite_with_builder",
    ]
    INDECENT_EXPOSURE = [  # Lack of information hiding
        "encapsulate_classes_with_factory"
    ]
    SOLUTION_SPRAWL = [  # Scattered logic/responsibility
        "move_creation_knowledge_to_factory"
    ]
    ALTERNATIVE_CLASSES_WITH_DIFFERENT_INTERFACES = [  # Similar classes, different interfaces
        "unify_interfaces_with_adapter"
    ]
    LAZY_CLASS = [  # Insufficient functionality
        "inline_singleton"
    ]
    LARGE_CLASS = [
        "replace_conditional_dispatcher_with_command",
        "replace_state_altering_conditionals_with_state",
        "replace_implict_tree_with_composite",
    ]
    SWITCH_STATEMENTS = [  # Complex switch statements
        "replace_conditional_dispatcher_with_command",
        "move_accumulation_to_visitor",
    ]
    COMBINATION_EXPLOSION = [  # Similar code for varying data
        "replace_implicit_language_with_interpreter"
    ]
    ODDBALL_SOLUTIONS = [  # Multiple solutions for same problem
        "unify_interfaces_with_adapter"
    ]

Refactoring-Beispiele in Python

Dieses Projekt übersetzt Refactoring-Beispiele aus Refactoring to Patterns (Joshua Kerievsky) in Python. Jedes Beispiel zeigt Original- und überarbeiteten Code und hebt Verbesserungen hervor. Der Refactoring-Prozess umfasste die Interpretation von UML-Diagrammen und die Anpassung des Java-Codes an die Nuancen von Python (Verwaltung zyklischer Importe und Schnittstellen).

Beispiel: Compose-Methode

Das ?Compose Method“-Refactoring vereinfacht komplexen Code durch Extrahieren kleinerer, aussagekr?ftigerer Methoden.

# Original (complex) code
def add(element):
    readonly = False
    size = 0
    elements = []
    if not readonly:
        new_size = size + 1
        if new_size > len(elements):
            new_elements = []
            for i in range(size):
                new_elements[i] = elements[i]  # Potential IndexError
            elements = new_elements
        size += 1
        elements[size] = element # Potential IndexError

# Refactored (simplified) code
def is_at_capacity(new_size, elements):
    return new_size > len(elements)

def grow_array(size, elements):
    new_elements = [elements[i] for i in range(size)] # List comprehension for clarity
    return new_elements

def add_element(elements, element, size):
    elements.append(element) # More Pythonic approach
    return len(elements) -1

def add_refactored(element):
    readonly = False
    if readonly:
        return
    size = len(elements)
    new_size = size + 1
    if is_at_capacity(new_size, elements):
        elements = grow_array(size, elements)
    size = add_element(elements, element, size)

Beispiel: Polymorphismus (Testautomatisierung)

Dieses Beispiel demonstriert Polymorphismus in der Testautomatisierung und abstrahiert den Testaufbau für die Wiederverwendbarkeit.

# Original code (duplicate setup)
class TestCase:
    pass

class DOMBuilder:
    def __init__(self, orders): pass
    def calc(self): return 42

class XMLBuilder:
    def __init__(self, orders): pass
    def calc(self): return 42

class DOMTest(TestCase):
    def run_dom_test(self):
        expected = 42
        builder = DOMBuilder("orders")
        assert builder.calc() == expected

class XMLTest(TestCase):
    def run_xml_test(self):
        expected = 42
        builder = XMLBuilder("orders")
        assert builder.calc() == expected

# Refactored code (polymorphic setup)
class OutputBuilder:
    def calc(self): raise NotImplementedError

class DOMBuilderRefac(OutputBuilder):
    def calc(self): return 42

class XMLBuilderRefac(OutputBuilder):
    def calc(self): return 42

class TestCaseRefac:
    def create_builder(self): raise NotImplementedError
    def run_test(self):
        expected = 42
        builder = self.create_builder()
        assert builder.calc() == expected

class DOMTestRefac(TestCaseRefac):
    def create_builder(self): return DOMBuilderRefac()

class XMLTestRefac(TestCaseRefac):
    def create_builder(self): return XMLBuilderRefac()

Beispiel: Besuchermuster

Das Besuchermuster entkoppelt Klassen von ihren Methoden.

# Original code (conditional logic in TextExtractor)
class Node: pass
class LinkTag(Node): pass
class Tag(Node): pass
class StringNode(Node): pass

class TextExtractor:
    def extract_text(self, nodes):
        result = []
        for node in nodes:
            if isinstance(node, StringNode): result.append("string")
            elif isinstance(node, LinkTag): result.append("linktag")
            elif isinstance(node, Tag): result.append("tag")
            else: result.append("other")
        return result

# Refactored code (using Visitor)
class NodeVisitor:
    def visit_link_tag(self, node): return "linktag"
    def visit_tag(self, node): return "tag"
    def visit_string_node(self, node): return "string"

class Node:
    def accept(self, visitor): pass

class LinkTagRefac(Node):
    def accept(self, visitor): return visitor.visit_link_tag(self)

class TagRefac(Node):
    def accept(self, visitor): return visitor.visit_tag(self)

class StringNodeRefac(Node):
    def accept(self, visitor): return visitor.visit_string_node(self)

class TextExtractorVisitor(NodeVisitor):
    def extract_text(self, nodes):
        result = [node.accept(self) for node in nodes]
        return result

Fazit

Dieser praktische, praktische Ansatz zum Erlernen von Designmustern durch Refactoring verbessert das Verst?ndnis erheblich. Die Herausforderungen bei der übersetzung des Codes festigen das theoretische Wissen.

Das obige ist der detaillierte Inhalt vonPython: Refactoring zu Mustern. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erkl?rung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Hei?e KI -Werkzeuge

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem v?llig kostenlosen KI-Gesichtstausch-Tool aus!

Hei?e Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Wie erleichtert Pythons unittestes oder PyTest -Framework automatisierte Tests? Wie erleichtert Pythons unittestes oder PyTest -Framework automatisierte Tests? Jun 19, 2025 am 01:10 AM

Pythons untestestes und PyTest sind zwei weit verbreitete Test -Frameworks, die das Schreiben, Organisieren und Ausführen automatisierter Tests vereinfachen. 1. Beide unterstützen die automatische Entdeckung von Testf?llen und liefern eine klare Teststruktur: Unittest definiert Tests durch Erben der Testpase -Klasse und beginnt mit Test \ _; PyTest ist pr?gnanter, ben?tigen nur eine Funktion, die mit Test \ _ beginnt. 2. Sie alle haben eine integrierte Behauptungsunterstützung: Unittest bietet AssertEqual, AssertRue und andere Methoden, w?hrend PyTest eine erweiterte Anweisung für die Assert verwendet, um die Fehlerdetails automatisch anzuzeigen. 3. Alle haben Mechanismen für die Vorbereitung und Reinigung von Tests: un

Wie kann Python zur Datenanalyse und -manipulation mit Bibliotheken wie Numpy und Pandas verwendet werden? Wie kann Python zur Datenanalyse und -manipulation mit Bibliotheken wie Numpy und Pandas verwendet werden? Jun 19, 2025 am 01:04 AM

PythonisidealfordataanalysisduetoNumPyandPandas.1)NumPyexcelsatnumericalcomputationswithfast,multi-dimensionalarraysandvectorizedoperationslikenp.sqrt().2)PandashandlesstructureddatawithSeriesandDataFrames,supportingtaskslikeloading,cleaning,filterin

Was sind dynamische Programmierungstechniken und wie verwende ich sie in Python? Was sind dynamische Programmierungstechniken und wie verwende ich sie in Python? Jun 20, 2025 am 12:57 AM

Die dynamische Programmierung (DP) optimiert den L?sungsprozess, indem komplexe Probleme in einfachere Unterprobleme zerlegt und deren Ergebnisse gespeichert werden, um wiederholte Berechnungen zu vermeiden. Es gibt zwei Hauptmethoden: 1. Top-Down (Memorisierung): Das Problem rekursiv zerlegen und Cache verwenden, um Zwischenergebnisse zu speichern; 2. Bottom-up (Tabelle): Iterativ L?sungen aus der grundlegenden Situation erstellen. Geeignet für Szenarien, in denen maximale/minimale Werte, optimale L?sungen oder überlappende Unterprobleme erforderlich sind, wie Fibonacci -Sequenzen, Rucksackprobleme usw. In Python k?nnen sie durch Dekoratoren oder Arrays implementiert werden, und die Aufmerksamkeit sollte für die Identifizierung rekursiver Beziehungen gezahlt werden, und die Optimierung der Komplexit?t des Raums.

Wie k?nnen Sie benutzerdefinierte Iteratoren in Python mit __iter__ und __next__ implementieren? Wie k?nnen Sie benutzerdefinierte Iteratoren in Python mit __iter__ und __next__ implementieren? Jun 19, 2025 am 01:12 AM

Um einen benutzerdefinierten Iterator zu implementieren, müssen Sie die Methoden __iter__ und __next__ in der Klasse definieren. ① Die __iter__ -Methode gibt das Iteratorobjekt selbst, normalerweise selbst, um mit iterativen Umgebungen wie für Schleifen kompatibel zu sein. ② Die __Next__ -Methode steuert den Wert jeder Iteration, gibt das n?chste Element in der Sequenz zurück, und wenn es keine weiteren Elemente mehr gibt, sollte die Ausnahme der Stopperation geworfen werden. ③ Der Status muss korrekt nachverfolgt werden und die Beendigungsbedingungen müssen festgelegt werden, um unendliche Schleifen zu vermeiden. ④ Komplexe Logik wie Filterung von Dateizeilen und achten Sie auf die Reinigung der Ressourcen und die Speicherverwaltung; ⑤ Für eine einfache Logik k?nnen Sie stattdessen die Funktionsertrags für Generator verwenden, müssen jedoch eine geeignete Methode basierend auf dem spezifischen Szenario ausw?hlen.

Was sind die aufkommenden Trends oder zukünftigen Richtungen in der Python -Programmiersprache und ihrem ?kosystem? Was sind die aufkommenden Trends oder zukünftigen Richtungen in der Python -Programmiersprache und ihrem ?kosystem? Jun 19, 2025 am 01:09 AM

Zukünftige Trends in Python umfassen Leistungsoptimierung, st?rkere Typ -Eingabeaufforderungen, der Aufstieg alternativer Laufzeiten und das fortgesetzte Wachstum des KI/ML -Feldes. Erstens optimiert CPython weiterhin und verbessert die Leistung durch schnellere Startzeit, Funktionsaufrufoptimierung und vorgeschlagene Ganzzahloperationen. Zweitens sind Typ -Eingabeaufforderungen tief in Sprachen und Toolchains integriert, um die Sicherheit und Entwicklung von Code zu verbessern. Drittens bieten alternative Laufzeiten wie Pyscript und Nuitka neue Funktionen und Leistungsvorteile; Schlie?lich erweitern die Bereiche von KI und Data Science weiter und aufstrebende Bibliotheken f?rdern eine effizientere Entwicklung und Integration. Diese Trends zeigen, dass Python st?ndig an technologische Ver?nderungen anpasst und seine führende Position aufrechterh?lt.

Wie führe ich Netzwerkprogrammierung in Python mit Steckdosen durch? Wie führe ich Netzwerkprogrammierung in Python mit Steckdosen durch? Jun 20, 2025 am 12:56 AM

Das Python-Socket-Modul ist die Grundlage für die Netzwerkprogrammierung und bietet Niveau-Netzwerkkommunikationsfunktionen, die für das Erstellen von Client- und Serveranwendungen geeignet sind. Um einen grundlegenden TCP -Server einzurichten, müssen Sie Socket. Um einen TCP -Client zu erstellen, müssen Sie ein Socket -Objekt erstellen und .Connect () anrufen, um eine Verbindung zum Server herzustellen, und dann .Sendall () zum Senden von Daten und .recv () zum Empfangen von Antworten verwenden. Um mehrere Clients zu handhaben, k?nnen Sie 1. Threads verwenden: Starten Sie jedes Mal einen neuen Thread, wenn Sie eine Verbindung herstellen. 2. Asynchrone E/O: Zum Beispiel kann die Asyncio-Bibliothek eine nicht blockierende Kommunikation erreichen. Dinge zu beachten

Polymorphismus in Pythonklassen Polymorphismus in Pythonklassen Jul 05, 2025 am 02:58 AM

Der Polymorphismus ist ein Kernkonzept in der objektorientierten Programmierung von Python-Objekte und bezieht sich auf "eine Schnittstelle, mehrere Implementierungen" und erm?glicht eine einheitliche Verarbeitung verschiedener Arten von Objekten. 1. Polymorphismus wird durch Umschreiben durch Methode implementiert. Unterklassen k?nnen übergeordnete Klassenmethoden neu definieren. Zum Beispiel hat die Spoke () -Methode der Tierklasse unterschiedliche Implementierungen in Hunde- und Katzenunterklassen. 2. Die praktischen Verwendungen des Polymorphismus umfassen die Vereinfachung der Codestruktur und die Verbesserung der Skalierbarkeit, z. 3. Die Python -Implementierungspolymorphismus muss erfüllen: Die übergeordnete Klasse definiert eine Methode, und die untergeordnete Klasse überschreibt die Methode, erfordert jedoch keine Vererbung derselben übergeordneten Klasse. Solange das Objekt dieselbe Methode implementiert, wird dies als "Ententyp" bezeichnet. 4. Zu beachten ist die Wartung

Wie schneide ich eine Liste in Python auf? Wie schneide ich eine Liste in Python auf? Jun 20, 2025 am 12:51 AM

Die Kernantwort auf die Python -Liste Slicing besteht darin, die Syntax [Start: Ende: Stufe] zu beherrschen und ihr Verhalten zu verstehen. 1. Das grundlegende Format der Listenschnitte ist die Liste [Start: Ende: Schritt], wobei der Start der Startindex (enthalten) ist, das Ende ist der Endindex (nicht enthalten) und Schritt ist die Schrittgr??e; 2. Start standardm??ig starten mit 0, lasse Ende standardm??ig bis zum Ende aus, standardm??ig standardm??ig 1 aus. 3.. Verwenden Sie My_List [: n], um die ersten N-Elemente zu erhalten, und verwenden Sie My_List [-n:], um die letzten N-Elemente zu erhalten. 4. Verwenden Sie den Schritt, um Elemente wie my_list [:: 2] zu überspringen, um gleiche Ziffern zu erhalten, und negative Schrittwerte k?nnen die Liste umkehren. 5. H?ufige Missverst?ndnisse umfassen den Endindex nicht

See all articles