当前位置: 首页 > news >正文

深入解析 C# 中的模板方法设计模式

模板方法设计模式(Template Method Pattern)是行为型设计模式中的一种,它定义了一个操作中的算法框架,并允许子类在不改变算法整体结构的情况下,重新定义该算法的某些步骤。该模式通常用于类中包含一系列固定步骤的算法,而这些步骤中的某些可以通过子类来定制。

在 C# 中实现模板方法模式的核心思想是通过一个抽象类来提供一个通用的算法框架,并允许具体子类重写其中的部分步骤来实现定制化。模板方法模式通常适用于算法步骤相似但又需要定制化的场景,能够帮助我们减少重复代码,并实现代码复用。

模板方法模式的组成

  1. 抽象类(Abstract Class): 抽象类定义了模板方法,并提供一些实现了的通用步骤。它还声明了一些抽象方法,这些方法将在子类中实现。

  2. 具体类(Concrete Class): 具体类继承自抽象类,实现抽象方法,提供特定步骤的具体实现。

  3. 模板方法(Template Method): 模板方法是抽象类中的一个具体方法,它定义了执行算法的步骤和顺序,通常会调用抽象类中的其他方法。

  4. 钩子方法(Hook Method): 有些步骤在某些情况下是可选的,这时可以在抽象类中定义钩子方法,这些方法默认为空,子类可以根据需要重写这些钩子方法。

模板方法模式的优点与缺点

优点
  1. 代码复用: 模板方法模式通过将固定的步骤放在父类中,子类只需要关心实现可变的部分,减少了代码的重复。

  2. 算法的框架一致性: 所有的具体子类都共享相同的算法框架,只需要定制个别步骤,因此避免了重复实现相同的逻辑。

  3. 扩展性: 子类可以在不改变父类算法框架的情况下,实现自己的定制化操作,增加了系统的灵活性。

  4. 易于维护: 如果某个步骤发生变化,只需要修改父类的实现,所有继承该类的子类都会自动更新,而不需要修改每个子类。

缺点
  1. 类的数量增多: 为了支持不同的步骤定制化,可能会导致类的数量增多,从而增加系统的复杂度。

  2. 过度继承: 模板方法模式依赖于继承,可能导致某些情况继承关系变得复杂,影响系统的可维护性。

  3. 不可修改的部分限制了扩展性: 父类提供的模板方法固化了算法结构,某些极端情况下可能需要修改父类的代码来满足特定需求。

模板方法模式的 C# 实现

通过一个具体的例子来展示如何在 C# 中实现模板方法模式。假设我们要模拟不同的饮料制作过程,所有饮料的制作步骤类似,但每种饮料的具体制作方式不同。我们可以通过模板方法模式来抽象出这些步骤。

步骤 1:定义抽象类
using System;abstract class CaffeineBeverage
{// 模板方法,定义了算法的框架public void PrepareRecipe(){BoilWater();Brew();PourInCup();AddCondiments();}// 每个子类都可以覆盖这些步骤protected abstract void Brew();protected abstract void AddCondiments();// 这些步骤是固定的,不能改变private void BoilWater(){Console.WriteLine("Boiling water");}private void PourInCup(){Console.WriteLine("Pouring into cup");}
}

在上面的代码中,CaffeineBeverage 是一个抽象类,它定义了 PrepareRecipe 方法,作为模板方法,按照固定的顺序调用各个步骤。BoilWaterPourInCup 是固定的步骤,而 BrewAddCondiments 则是可变部分,需要子类进行实现。

步骤 2:定义具体类
class Tea : CaffeineBeverage
{protected override void Brew(){Console.WriteLine("Steeping the tea");}protected override void AddCondiments(){Console.WriteLine("Adding lemon");}
}class Coffee : CaffeineBeverage
{protected override void Brew(){Console.WriteLine("Dripping coffee through filter");}protected override void AddCondiments(){Console.WriteLine("Adding sugar and milk");}
}

TeaCoffee 中,我们实现了 BrewAddCondiments 方法。Tea 采用的是茶叶的冲泡方式,而 Coffee 使用的是咖啡的过滤方式。每种饮料的配料(如茶加柠檬、咖啡加糖和牛奶)也有所不同。

步骤 3:测试模板方法
class Program
{static void Main(string[] args){CaffeineBeverage tea = new Tea();tea.PrepareRecipe();Console.WriteLine();CaffeineBeverage coffee = new Coffee();coffee.PrepareRecipe();}
}
运行结果:
Boiling water
Steeping the tea
Pouring into cup
Adding lemonBoiling water
Dripping coffee through filter
Pouring into cup
Adding sugar and milk
解释
  • PrepareRecipe 是模板方法,它定义了准备饮品的步骤和顺序。

  • BoilWaterPourInCup 是父类中固定的步骤,无法修改。

  • BrewAddCondiments 是抽象方法,子类必须实现,用来定制具体的饮品制作过程。

  • 通过继承父类,子类不需要关心算法的框架,只需要实现特定的步骤。

模板方法模式的应用场景

模板方法模式适用于以下几种情况:

  1. 多个子类有相似的算法:当多个子类有相似的算法步骤时,可以使用模板方法模式来提取出共用的部分,避免重复代码。

  2. 算法的结构是固定的,部分步骤可以变动:如果算法中的结构是固定的,但有些步骤需要子类来实现,可以通过模板方法模式来管理这些可变部分。

  3. 需要简化子类的实现:子类只需关注算法中的某些步骤,其他步骤由父类提供,减少了每个子类的实现复杂度。

  4. 算法的执行顺序必须保证:通过模板方法模式,可以确保算法中的执行顺序是固定的,避免子类改变顺序导致逻辑错误。

总结

模板方法模式通过在抽象类中定义算法框架并允许子类实现特定步骤,提供了一个灵活、可扩展的设计方案。在 C# 中实现模板方法模式时,关键在于合理使用抽象类和具体类的继承关系,确保算法的框架在父类中定义,而变动的步骤则由子类来实现。通过这种方式,可以提高代码复用性,简化子类的实现,同时保持算法的一致性和灵活性。

相关文章:

深入解析 C# 中的模板方法设计模式

模板方法设计模式(Template Method Pattern)是行为型设计模式中的一种,它定义了一个操作中的算法框架,并允许子类在不改变算法整体结构的情况下,重新定义该算法的某些步骤。该模式通常用于类中包含一系列固定步骤的算法…...

0411 | 软考高项笔记:项目立项

在软考的项目管理知识体系中,技术可行性和经济可行性是项目立项阶段非常重要的两个分析维度。以下是对这两个考点的详细解释和记忆方法: 技术可行性分析 定义: 技术可行性分析是评估项目在现有技术条件和资源下是否能够成功实施。它主要回答…...

ubnetu 服务器版本常用端口和开放的端口对应的应用

1. 使用 netstat 查看端口与进程 netstat 是查看网络连接和监听端口的常用工具。通过以下命令可以列出所有开放的TCP/UDP端口及其关联的进程: sudo netstat -tulnp参数解析: -t:显示TCP端口。 -u:显示UDP端口。 -l&#xff1…...

【服务器端表单字符验证】

文章目录 一、实验目的二、核心代码实现三、调试关键问题四、总结 一、实验目的 掌握JSP表单验证在服务器端的实现技术&#xff0c;实现对用户输入字符的非空及长度为5的验证&#xff0c;返回对应提示信息并优化用户交互。 二、核心代码实现 前端表单 <form action"…...

pip 与 conda 的全面比较:Python 包管理的深度解析

在 Python 的生态系统中&#xff0c;包管理工具是开发者日常工作的重要组成部分。​其中&#xff0c;pip 和 conda 是最常用的两种包管理工具。​虽然它们在功能上有一些重叠&#xff0c;但在设计理念、功能范围、依赖管理、环境隔离等方面存在显著差异。​本文将从多个维度深入…...

GTID不一致修复

背景描述 GTID模式下&#xff0c;mysql主从切换后&#xff0c;主从同步报错 Last_IO_Error: Got fatal error 1236 from master when reading data from binary log: The slave is connecting using CHANGE MASTER TO MASTER_AUTO_POSITION 1, but the master has purged bi…...

conda-pack打包环境到超算上。解决无法打包可编辑包

conda-pack 打包 使用 conda-pack 打包 Conda 环境可以将整个环境打包成一个独立的可移植压缩包&#xff0c;方便在其他机器上解压使用。以下是具体步骤&#xff1a; 1.安装 conda-pack 首先需要安装 conda-pack。你可以通过 conda 或 pip 安装&#xff1a; conda install …...

O(n)复杂度实现寻找数组第k小的数(快速选择算法)

非堆排序实现&#xff0c;利用快速排序思想实现的快速选择 package algorithm;public class Test {public int quickSelect(int nums[], int left, int right, int k){if (left right) return nums[left];int i left - 1, j right 1, x nums[left];while (i < j){do i…...

利用 RNN 预测股票价格:从数据处理到可视化实战

在金融领域&#xff0c;预测股票价格走势一直是众多投资者和研究者关注的焦点。今天&#xff0c;我们将利用深度学习中的循环神经网络&#xff08;RNN&#xff09;来构建一个简单的股票价格预测模型&#xff0c;并详细介绍从数据加载、预处理、模型搭建、训练到最终结果可视化的…...

前端从全链路角度分析性能

在面试中回答“从全链路角度分析性能优化”时,需覆盖用户请求到页面渲染的完整链路。以下是结构化回答框架,结合业界实践和最新优化策略: 一、网络传输优化 1. CDN与协议升级 ◦ 使用CDN缩短资源物理距离,结合HTTP/2/3的多路复用和头部压缩特性,提升资源加载效率(如We…...

2025年第十八届“认证杯”数学中国数学建模网络挑战赛【BC题】完整版+代码+结果

# 问题一&#xff1a;随机森林回归from sklearn.ensemble import RandomForestRegressormodel_rf RandomForestRegressor()model_rf.fit(X_train, y_train)# 问题二&#xff1a;LSTM时间序列预测from tensorflow.keras.models import Sequentialmodel_lstm Sequential()model…...

权限管控与数据安全:衡石ChatBot在钉钉中的合规部署指南

数据安全是ChatBot落地的第一道门槛 在数字化转型浪潮下&#xff0c;企业数据查询正从“专业BI工具”向“自然语言交互”跃迁。衡石ChatBot通过钉钉等企业IM工具&#xff0c;让业务人员以对话方式实时获取数据&#xff0c;极大提升了决策效率。然而&#xff0c;数据开放的同时…...

什么是生产管理看板?

简单来说,生产管理看板就是一种把生产过程“摆在明面上”的工具——它可能是贴在墙上的白板,也可能是车间里一块大屏幕,主要作用就是让生产信息一目了然。 这种看板广泛用在工厂、制造车间、或者办公室里,它把生产计划、任务进度、库存情况、设备状态等重要数据通通“晒”…...

YOLO学习笔记 | 一文详解YOLOv11核心创新与实践方法

===================================================== github:https://github.com/MichaelBeechan CSDN:https://blog.csdn.net/u011344545 ===================================================== YOLOv11核心创新与实践 一、架构创新1. ‌模块升级与参数优化‌2. ‌多…...

198. 打家劫舍:动态规划

前言 本篇文章来自leedcode&#xff0c;是博主的学习算法的笔记心得。 如果觉得对你有帮助&#xff0c;可以点点关注&#xff0c;点点赞&#xff0c;谢谢你&#xff01; 题目来源 198. 打家劫舍 - 力扣&#xff08;LeetCode&#xff09; 题目描述 思路 1.对于只有一个房间…...

算法基础模板

高精度加法 #include <bits/stdc.h> using namespace std; const int N10005; int A[N],B[N],C[N],al,bl,cl; void add(int A[],int B[],int C[]) {for(int icl-1;~i;i--){C[cl]A[i]B[i];C[cl1]C[cl]/10;C[cl]%10;}if(C[cl])cl; } int main() {string a,b;cin>>a&…...

【大模型LLM第十六篇】Agent学习之浅谈Agent loop的几种常见范式

anthropics agent https://zhuanlan.zhihu.com/p/32454721762 code&#xff1a;https://github.com/anthropics/anthropic-quickstarts/blob/main/computer-use-demo/computer_use_demo/loop.py sampling_loop函数 每次进行循环&#xff0c;输出extract tool_use&#xff0…...

[特殊字符] Spring Boot 日志系统入门博客大纲(适合初学者)

一、前言 &#x1f4cc; 为什么日志在项目中如此重要&#xff1f; 在开发和维护一个后端系统时&#xff0c;日志就像程序运行时的“黑匣子”&#xff0c;帮我们记录系统的各种行为和异常。一份良好的日志&#xff0c;不仅能帮助我们快速定位问题&#xff0c;还能在以下场景中…...

【模拟电路】隧道二极管

与标准二极管相比&#xff0c;隧道二极管通过使用具有令人难以置信的大掺杂水平的半导体物质来工作&#xff0c;导致p-n结之间的耗尽层变得比最快的硅二极管窄约1000倍。 一旦隧道二极管正向偏置&#xff0c;整个p-n结开始发生称为电子流“隧穿”的过程。  在测试隧道二极管的…...

qwen-vl 实现OCR的测试

OCR 技术是数字化时代必不可少的实用工具。以前都依赖专业的公司的专业软件才能完成。成本很高。也正因为如此&#xff0c;我国纸质资料的数字化并不普及。基于大模型的ORC 也许会改变这样的现状。 文本识别&#xff0c;也称为光学字符识别 (OCR)&#xff0c;可以将印刷文本或…...

3.0/Q2,Charls最新文章解读

文章题目&#xff1a;Exploring the association between socioeconomic inequalities in chronic respiratory disease and all-cause mortality in China: findings from the China Health and Retirement Longitudinal Study DOI&#xff1a;10.3389/fpubh.2024.1472074 中文…...

【大模型系列篇】基于Ollama和GraphRAG v2.0.0快速构建知识图谱

GraphRAG是一种结合了知识图谱和大型语言模型的检索增强生成&#xff08;RAG&#xff09;技术。它通过引入图结构化的知识表示和处理方法&#xff0c;显著提升了传统RAG系统的能力&#xff0c;为处理复杂和多样化数据提供了强有力的支持。更多介绍可以跳转《最强检索增强技术Gr…...

Wincc管对象的使用

Wincc管对象的使用 管对象的调用多边形管T形管双T形管管弯头管道大小调整 管对象的调用 打开【图形编辑器】 多边形管 多边形管如下&#xff1a; 一根管子的顶点数是两个&#xff0c;如果修改顶点数&#xff0c;管子就有多少个端点。 修改顶点数为5 此时点击端点然后拖动&#…...

springboot--页面的国际化

今天来实现页面中的国际化 首先&#xff0c;需要创建一个新的spring boot项目&#xff0c;导入前端模板&#xff0c;在我的博客中可以找到&#xff0c;然后将HTML文件放在templates包下&#xff0c;将其他的静态资源放在statics包下&#xff0c;如下图结构 页面的国际化主要在首…...

记 etcd 无法在docker-compose.yml启动后无法映射数据库目录的问题

1、将etcd 单独提取 Dockerfile #镜像 FROM bitnami/etcd:3.5.11 #名称 ENV name"etcd" #重启 ENV restart"always" #运行无权限 ENV ALLOW_NONE_AUTHENTICATION"yes" #端口 EXPOSE 2379 2380 #管理员权限才能创建数据库 USER root # 设置入口点…...

c++关键字new

链接&#xff1a;【C】C中的new关键字用法详解...

数字内容体验的核心价值是什么?

个性化推荐提升满意度 在数字内容体验的构建中&#xff0c;个性化推荐已成为提升用户满意度的核心策略。通过分析用户行为数据、偏好标签及场景特征&#xff0c;系统能够精准匹配内容资源&#xff0c;减少信息过载带来的决策疲劳。例如&#xff0c;基于用户画像的动态推荐算法…...

通过实施最小权限原则(POLP)来保护敏感数据

在处理机密信息时&#xff0c;应始终将确保组织的敏感数据安全放在首位。无论是制定新政策还是参与项目协作&#xff0c;都应采取一切必要预防措施&#xff0c;确保对任何敏感信息进行恰当的访问控制和存储管理。 最小权限原则(POLP)是企业保护客户与员工数据、财务记录、知识…...

VBA即用型代码手册:文档Document

我给VBA下的定义&#xff1a;VBA是个人小型自动化处理的有效工具。可以大大提高自己的劳动效率&#xff0c;而且可以提高数据的准确性。我这里专注VBA,将我多年的经验汇集在VBA系列九套教程中。 作为我的学员要利用我的积木编程思想&#xff0c;积木编程最重要的是积木如何搭建…...

【力扣hot100题】(089)最长有效括号

这题目真是越做越难了。 但其实只是思路很难想到&#xff0c;一旦会了方法就很好做。 但问题就在方法太难想了…… 思路还是只要遍历一遍数组&#xff0c;维护动态规划数组记录截止至目前位置选取该元素的情况下有效括号的最大值。 光是知道这个还不够&#xff0c;看了答案…...

为什么需要「实体识别」以及 RAG如何和实体识别结合用

&#x1f916; 为什么要做「实体识别」&#xff1f; 实体识别&#xff08;Named Entity Recognition, NER&#xff09; 是自然语言处理&#xff08;NLP&#xff09;中的一种基础技术&#xff0c;它的目标是&#xff1a; 从文本中识别出“有意义”的实体信息&#xff0c;如人名…...

初级社会工作者考试精选题库

通过练习题库中的题目&#xff0c;考生能了解考试的题型、难度分布以及命题规律&#xff0c;明确备考的重点和难点&#xff0c;有针对性地复习知识点&#xff0c;避免盲目备考。 精选练习题 1、社会工作者小王在为社区孤寡老人提供服务时&#xff0c;总是把他们当成自己的父母来…...

Transformer 训练:AutoModelForCausalLM,AutoModelForSequenceClassification

Transformer 训练:AutoModelForCausalLM,AutoModelForSequenceClassification 目录 Transformer 训练:AutoModelForCausalLM,AutoModelForSequenceClassification`AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)`功能概述参数解释`AutoModelForSequen…...

图书管理系统(Python)

运行结果&#xff1a; 源代码&#xff1a; # 定义一个图书类 class Book: def __init__(self, title, author, isbn): self.title title self.author author self.isbn isbn def show_info(self): print(f"{self.title},{self.author},{self.isbn}") # 图书列表…...

2022年全国职业院校技能大赛 高职组 “大数据技术与应用” 赛项赛卷(4卷)任务书

2022年全国职业院校技能大赛 高职组 “大数据技术与应用” 赛项赛卷&#xff08;4卷&#xff09;任务书 背景描述&#xff1a;模块A&#xff1a;大数据平台搭建&#xff08;容器环境&#xff09;&#xff08;15分&#xff09;任务一&#xff1a;Hadoop 完全分布式安装配置任务二…...

装系统的一天!镜像系统!

虚拟机可以装系统&#xff0c;我们都知道&#xff0c;但是虚拟机可以装几个系统呢&#xff1f; macOS: 如何在 Windows 电脑上装 macOS 系统&#xff1f;_windows装mac-CSDN博客 Win10: Win10镜像&#xff08;官方正版&#xff09;下载及虚拟机配置&#xff08;保姆级教程…...

Wincc脚本全部不运行

Wincc脚本全部不运行 前言解决办法操作步骤 前言 这里主要是指旧项目移植到Wincc的高版本&#xff0c;移植后界面的一些功能均会失效。&#xff08;例如脚本不执行&#xff0c;项目编辑器不可用等情况&#xff09; 解决办法 Wincc的项目文件中有Dcf文件&#xff0c;Dcf文件包…...

第三节:React 基础篇-React组件通信方案

React 组件通信方案详解及使用场景 以下是 React 组件通信的常用方法及其适用场景&#xff0c;以层级结构呈现&#xff1a; 一、父子组件通信 1. Props 传递 • 实现方式&#xff1a; • 父组件通过 props 向子组件传递数据。 • 子组件通过回调函数 (onEvent) 通知父组件更…...

✨ MOS开关的非线性因素详解 ✨

MOS 开关在模拟电路、开关电源等应用中广泛使用&#xff0c;但其导通特性存在非线性&#xff0c;可能导致信号失真或系统性能下降。以下是主要非线性因素及解决思路&#xff1a; &#x1f527; 1. 导通电阻&#xff08;Ron&#xff09;的非线性 机理&#xff1a; Ron 并非固定值…...

解决vcpkg使用VS2022报错问题

转自个人博客&#xff1a;解决vcpkg使用VS2022报错问题 最近&#xff0c;在把Visual Studio2019完全更新到最新Visual Studio2022后&#xff0c;原使用的vcpkg无法正常安装包&#xff0c;会报如下与Visual Studio 2022相关的错误&#xff1a; error: in triplet x64-windows-m…...

基于支持向量回归(SVR)的空气质量预测

基于支持向量回归&#xff08;SVR&#xff09;的空气质量预测 1.作者介绍2.支持向量回归&#xff08;SVR&#xff09;算法介绍2.1 算法原理2.2 关键概念2.3算法特点2.4与其他回归方法对比 3.基于支持向量回归&#xff08;SVR&#xff09;的空气质量预测实验3.1数据集介绍3.2代码…...

【数据结构】排序

目录 1.排序的概念及其运用 1.1排序的概念 1.2常见排序算法 2插入排序 2.1直接插入排序 2.1.1基本思想 2.1.2代码实现 2.1.3特性总结 2.2 希尔排序 2.2.1基本思想 2.2.2代码实现 3.选择排序 3.1选择排序 3.1.1基本思想 3.1.2代码实现 3.1.3特性总结 3.2 堆排…...

4185 费马小定理求逆元

4185 费马小定理求逆元 ⭐️难度&#xff1a;简单 &#x1f31f;考点&#xff1a;费马小定理 &#x1f4d6; &#x1f4da; import java.util.Scanner; import java.util.Arrays;public class Main {static int[][] a;public static void main(String[] args) {Scanner sc …...

低代码控件开发平台:飞帆中粘贴富文本的控件

效果&#xff1a; 链接&#xff1a; https://fvi.cn/729...

偶氮二异丁腈(AIBN)的物化性质及其在合成中的应用

偶氮二异丁腈(AIBN)是一种常用的自由基引发剂&#xff0c;是一种白色结晶性粉末&#xff0c;不溶于水&#xff0c;但溶于甲醇、乙醇、丙酮、乙醚、甲苯等有机溶剂和乙烯基单体。 AIBN在60℃以上会分解形成异丁腈基&#xff0c;从而引发自由基反应。其分解温度区间为50&#xff…...

3.1.3.2 Spring Boot使用Servlet组件

在Spring Boot应用中使用Servlet组件&#xff0c;可以通过注解和配置类两种方式注册Servlet。首先&#xff0c;通过WebServlet注解直接在Servlet类上定义URL模式&#xff0c;Spring Boot会自动注册该Servlet。其次&#xff0c;通过创建配置类&#xff0c;使用ServletRegistrati…...

java——HashSet底层机制——链表扩容和树化

HashSet在Java中是基于HashMap实现的&#xff0c;它实际上是将所有元素作为HashMap的key存储&#xff0c;而value则统一使用一个静态的Object对象(Present)作为占位符。 1.举例演示 下面我们就举例说明一下&#xff0c;HashSet集合中&#xff0c;一个节点上的链表添加数据以及…...

玩转Docker | 使用Docker搭建Blog微博系统

玩转Docker | 使用Docker搭建Blog微博系统 前言一、Blog介绍项目简介主要特点二、系统要求环境要求环境检查Docker版本检查检查操作系统版本三、部署Blog服务下载镜像创建容器检查容器状态设置权限检查服务端口安全设置四、访问Blog系统访问Blog首页登录Blog五、总结前言 在数字…...

Linux中的Vim与Nano编辑器命令详解

&#x1f4e2; 友情提示&#xff1a; 本文由银河易创AI&#xff08;https://ai.eaigx.com&#xff09;平台gpt-4-turbo模型辅助创作完成&#xff0c;旨在提供灵感参考与技术分享&#xff0c;文中代码与命令建议通过官方渠道验证。 在Linux系统中&#xff0c;文本编辑是最常用的…...

G1垃圾回收器介绍

G1垃圾回收器简介 全称&#xff1a;Garbage-First Garbage Collector。目的&#xff1a;G1垃圾回收器是为了替代CMS垃圾回收器而设计的&#xff0c;它旨在提供更好的垃圾回收性能和可预测性&#xff0c;特别是在处理大内存堆时。特点&#xff1a;G1是一种服务器端的垃圾回收器…...