新谈设计模式 Chapter 21 — 模板方法模式 Template Method

news2026/4/28 15:21:31
Chapter 21 — 模板方法模式 Template Method灵魂速记考试卷子——题目框架一样答案各写各的。秒懂类比期末考试卷子模板第一题填空、第二题选择、第三题论述学生A按自己的理解填答案学生B按自己的理解填答案试卷框架算法骨架不变具体答案某些步骤的实现由子类决定。问题引入// 灾难现场两个类的代码 90% 一样classCSVDataMiner{voidmine(){openFile();// 相同extractCSVData();// 不同parseData();// 相同analyzeData();// 相同generateCSVReport();// 不同closeFile();// 相同}};classJSONDataMiner{voidmine(){openFile();// 相同extractJSONData();// 不同parseData();// 相同analyzeData();// 相同generateJSONReport();// 不同closeFile();// 相同}};// 6 个步骤中 4 个完全重复// 加一种格式XML再复制一遍模式结构┌───────────────────────┐ │ AbstractClass │ ├───────────────────────┤ │ templateMethod() { │ ← 模板方法定义算法骨架final │ step1(); │ 固定步骤 │ step2(); │ ← 抽象子类实现 │ step3(); │ 固定步骤 │ hook(); │ ← 钩子子类可选重写 │ step4(); │ ← 抽象子类实现 │ } │ │ step1() 具体实现 │ │ step2() 纯虚函数 │ │ step4() 纯虚函数 │ │ hook() 默认空实现 │ └───────────┬───────────┘ │ 继承 ┌───────┴───────┐ │ │ ┌───┴───┐ ┌─────┴──┐ │ClassA │ │ClassB │ │step2│ │step2 │ │step4│ │step4 │ └───────┘ └────────┘C 实现#includeiostream#includestring#includevector// 抽象类数据挖掘模板 classDataMiner{public:virtual~DataMiner()default;// 模板方法定义算法骨架不应被子类重写。// 加 virtual final 可以彻底防止子类通过多态重写// virtual void mine(const std::string path) final { ... }// 注意final 只能用于 virtual 函数非 virtual 函数加 final 是编译错误。// 这里为了简洁保持非虚非虚函数无法被多态重写只能被子类「隐藏」hiding// 大多数场景已经够用了。voidmine(conststd::stringpath){std::cout━━━ 开始数据挖掘: path ━━━\n;openFile(path);// 固定步骤autorawDataextractData();// 子类实现autodataparseData(rawData);// 固定步骤analyzeData(data);// 固定步骤if(shouldGenerateReport()){// 钩子generateReport(data);// 子类实现}closeFile();// 固定步骤std::cout━━━ 挖掘完成 ━━━\n\n;}protected:// 固定步骤基类实现voidopenFile(conststd::stringpath){std::cout 打开文件: path\n;}voidcloseFile(){std::cout 关闭文件\n;}std::vectorintparseData(conststd::stringrawData){std::cout 解析数据: rawData.size() 字节\n;return{1,2,3,4,5};// 简化}voidanalyzeData(conststd::vectorintdata){intsum0;for(intv:data)sumv;std::cout 分析数据: data.size() 条记录, 总和sum\n;}// 抽象步骤子类必须实现virtualstd::stringextractData()0;virtualvoidgenerateReport(conststd::vectorintdata)0;// 钩子子类可选重写默认返回 truevirtualboolshouldGenerateReport(){returntrue;}};// 具体类CSV 矿工 classCSVDataMiner:publicDataMiner{protected:std::stringextractData()override{std::cout 提取 CSV 数据逗号分隔\n;return1,2,3,4,5;}voidgenerateReport(conststd::vectorintdata)override{std::cout 生成 CSV 报告: data.csv\n;}};// 具体类JSON 矿工 classJSONDataMiner:publicDataMiner{protected:std::stringextractData()override{std::cout 提取 JSON 数据键值对\n;returnR({data:[1,2,3,4,5]});}voidgenerateReport(conststd::vectorintdata)override{std::cout 生成 JSON 报告: report.json\n;}};// 具体类PDF 矿工不生成报告 classPDFDataMiner:publicDataMiner{protected:std::stringextractData()override{std::cout 提取 PDF 数据OCR 识别\n;returnOCR extracted text;}voidgenerateReport(conststd::vectorint)override{// 不会被调用因为钩子返回 false}// 重写钩子PDF 不生成报告boolshouldGenerateReport()override{returnfalse;}};intmain(){CSVDataMiner csv;csv.mine(sales.csv);JSONDataMiner json;json.mine(users.json);PDFDataMiner pdf;pdf.mine(contract.pdf);}输出━━━ 开始数据挖掘: sales.csv ━━━ 打开文件: sales.csv 提取 CSV 数据逗号分隔 解析数据: 9 字节 分析数据: 5 条记录, 总和15 生成 CSV 报告: data.csv 关闭文件 ━━━ 挖掘完成 ━━━ ━━━ 开始数据挖掘: users.json ━━━ 打开文件: users.json 提取 JSON 数据键值对 解析数据: 22 字节 分析数据: 5 条记录, 总和15 生成 JSON 报告: report.json 关闭文件 ━━━ 挖掘完成 ━━━ ━━━ 开始数据挖掘: contract.pdf ━━━ 打开文件: contract.pdf 提取 PDF 数据OCR 识别 解析数据: 18 字节 分析数据: 5 条记录, 总和15 关闭文件 ━━━ 挖掘完成 ━━━钩子Hook钩子是模板方法中的可选扩展点classGame{public:voidplay(){initialize();while(!isGameOver()){// ← 这就是钩子takeTurn();}displayResults();}protected:virtualvoidinitialize()0;virtualvoidtakeTurn()0;virtualvoiddisplayResults()0;// 钩子默认实现子类可以重写virtualboolisGameOver(){returnturnCount_10;}intturnCount_0;};什么时候用✅ 适合❌ 别用多个类有相似的算法框架每个子类的流程完全不同想固定算法骨架让子类改具体步骤算法需要运行时整体替换用策略消除子类中的重复代码只有一个子类没必要防混淆Template Method vs StrategyTemplate MethodStrategy机制继承组合替换什么算法的某几个步骤整个算法决定时机编译时子类继承运行时设置策略对象灵活度低改继承要改代码高运行时换类比考试卷子框架固定导航路线完全换方案一句话分清Template Method 换零件Strategy 换整台机器。Template Method vs Factory MethodFactory Method 其实是 Template Method 的一种特殊应用——模板方法中的某个步骤恰好是创建对象。好莱坞原则模板方法遵循好莱坞原则“Don’t call us, we’ll call you.”别找我我会找你。子类不调用父类的方法而是父类的模板方法在需要的时候调用子类的实现。控制权在父类手里。现代 C 小贴士CRTP 静态模板方法经典版本的模板方法用的是运行时虚函数。如果算法骨架在编译期就能确定不需要运行时多态可以用CRTPCuriously Recurring Template Pattern奇异递归模板模式实现零开销的静态版本templatetypenameDerivedclassDataMinerBase{public:// 模板方法调用派生类的具体步骤voidmine(conststd::stringpath){openFile(path);autorawstatic_castDerived*(this)-extractData();// 静态分派autodataparseData(raw);analyzeData(data);static_castDerived*(this)-generateReport(data);// 静态分派closeFile();}protected:voidopenFile(conststd::stringpath){/* 通用实现 */}voidcloseFile(){/* 通用实现 */}std::vectorintparseData(conststd::string){return{1,2,3};}voidanalyzeData(conststd::vectorint){/* 通用实现 */}};classCSVMiner:publicDataMinerBaseCSVMiner{public:std::stringextractData(){returncsv data;}voidgenerateReport(conststd::vectorint){/* CSV 报告 */}};CRTP 的static_castDerived*(this)-method()在编译期解析没有虚函数调用开销。代价是失去运行时多态不能用基类指针统一操作不同类型的 Miner。选择法则需要运行时多态 → 经典虚函数版本编译期确定类型、追求零开销 → CRTP 版本

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2562899.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…