服务计算作业四——程序包开发,读简单配置文件 v1

任务目标

  1. 熟悉程序包的编写习惯(idioms)和风格(convetions)
  2. 熟悉 io 库操作
  3. 使用测试驱动的方法
  4. 简单 Go 程使用
  5. 事件通知

任务要求

  1. 核心任务:包必须提供一个函数 Watch(filename,listener) (configuration, error)
  2. 包必须包括以下内容:
    生成的中文 api 文档
    有较好的 Readme 文件,包括一个简单的使用案例
    每个go文件必须有对应的测试文件
    必须提供自定义错误
    使有 init 函数,使得 Unix 系统默认采用 # 作为注释行,Windows 系统默认采用 ; 作为注释行。
  3. 不能使用第三方包,但可以参考、甚至复制它们的代码。

实现

包的结构

在这里插入图片描述

init函数:

func Init() {
	if runtime.GOOS == "linux" {
		comment = '#'
	} else if runtime.GOOS == "windows" {
		comment = ';'
	}

	//fmt.Println(runtime.GOOS)
}

通过runtime.GOOS得到操作系统类型从而对注释符进行初始化。

listen:

在这里插入图片描述

	start_file_mes := getFileMes(file_name)
	flag := false

	for {
		cur_file_mes := getFileMes(file_name)

		len1 := len(start_file_mes)
		len2 := len(cur_file_mes)

		if len1 != len2 {
			break
		}

		for i := 0; i < len1; i++ {
			if start_file_mes[i] != cur_file_mes[i] {
				flag = true
				break
			}
		}

		if flag {
			break
		}
	}

通过保存一开始的文件内容,并不断轮询读取文件内容比较,若有不同则返回。
其中用到的getFileMes如下:

func getFileMes(file_name string) []string {
	var file_mes []string
	file, err := os.Open(file_name)

	if err != nil {
		fmt.Println("Get file message error!")
		return file_mes
	}

	reader := bufio.NewReader(file)

	for {
		str, err := reader.ReadString('\n')
		if err != nil {
			break
		}
		file_mes = append(file_mes, str)
	}

	file.Close()
	return file_mes
}

自定义错误类型:

在这里插入图片描述

没有想到要添加什么信息,因此就只有一个string和一个int。

read_file函数:

func read_file(file_name string) (map[string]string, error_mes) {
	var error error_mes
	file, err := os.Open(file_name)
	configuration := make(map[string]string)

	if err != nil {
		error = get_new_error("open ili file error.", 0)
		return configuration, error
	} else {
		error = get_new_error("", 1)
	}
	defer file.Close()

	reader := bufio.NewReader(file)

	for {
		//逐行读取
		str, err := reader.ReadString('\n')

		if err != nil && err != io.EOF {
			fmt.Println(err)
			break
		}

		//删去空格
		str = strings.TrimSpace(str)

		//如果是空的/注释/则忽略
		if str == "" || str[0] == '[' || str[0] == comment {
			continue
		}

		pair := strings.Split(str, "=")

		if len(pair) == 2 {
			key := strings.TrimSpace(pair[0])
			value := strings.TrimSpace(pair[1])
			configuration[key] = value
			// fmt.Println(key)
		}

		if err != nil {
			// fmt.Println(err)
			break
		}
	}

	return configuration, error
}

含义如注释所示。

有了上面这些函数,实现watch就简单了。

func Watch(file_name string, Listen Listener) (map[string]string, error_mes) {
	Init()

	config, err := Read_file(file_name)

	if len(err.mes) != 0 {
		fmt.Println(err.mes)
		return config, err
	}
	fmt.Println("Listening....")
	Print_config(config)
	Listen.listen(file_name)
	fmt.Println("The file have been changed.")
	fmt.Println("")

	config, err = Read_file(file_name)
	if len(err.mes) != 0 {
		fmt.Println(err.mes)
		return config, err
	}
	//Print_config(config)

	return config, err
}

其中print_config是打印出config的函数。

main函数:

package main

import (
	watch "github.com/USER/watch/watch"
)

func main() {
	var listener watch.Listener
	listener = watch.ListenFunc(func(string) {})
	var filename = "example.ini"
	watch.Watch(filename, listener)
}

实验结果

main

example函数为网站给的样例。运行结果如下:
在这里插入图片描述
如果修改该文件,则会出现提示语句,然后打印一次新增加的内容,如新增加aaa=bbb:
在这里插入图片描述
在这里插入图片描述

利用go test进行检验

由于watch函数的运行需要用到监听器listener,不方便检验,而watch函数中最核心的就是read_file函数,它将文件读取并识别参数以map[string]string返回,因此我们对这个函数进行检验即可。
在watch.go同文件夹内编写read_file_test.go:

package watch

import (
	"reflect"
	"testing"
)

func TestInit(t *testing.T) {
	Init()
}

func TestReadFile(t *testing.T) {
	filename := "example.ini"
	receive, _ := Read_file(filename)

	//Print_config(receive)

	expect := map[string]string{
		"app_mode": "development",
		"data":     "/home/git/grafana",
	}

	if !reflect.DeepEqual(receive, expect) {
		t.Errorf("expect:")
	}
}

这里用到的DeepEqual是可以用于检测map是否相等的库函数。
运行结果:
在这里插入图片描述
生成中文API
通过apidoc工具可以在编写代码时通过加入注释的方式来生成API,具体参考apiDoc - 超简单的文档生成器
生成效果:
在这里插入图片描述

在这里插入图片描述
具体可以下载源代码打开查看。

源代码

传送门:GitHub

内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合Koopman算子理论与递归神经网络(RNN)的数据驱动建模方法,旨在对非线性纳米定位系统进行有效线性化建模,并实现高精度的模型预测控制(MPC)。该方法利用Koopman算子将非线性系统映射到高维线性空间,通过递归神经网络学习系统的动态演化规律,构建可解释性强、计算效率高的线性化模型,进而提升预测控制在复杂不确定性环境下的鲁棒性与跟踪精度。文中给出了完整的Matlab代码实现,涵盖数据预处理、网络训练、模型验证与MPC控制器设计等环节,具有较强的基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)可复现性和工程应用价值。; 适合人群:具备一定控制理论基础和Matlab编程能力的研究生、科研人员及自动化、精密仪器、机器人等方向的工程技术人员。; 使用场景及目标:①解决高精度纳米定位系统中非线性动态响应带来的控制难题;②实现复杂机电系统的数据驱动建模与预测控制一体化设计;③为非线性系统控制提供一种可替代传统机理建模的有效工具。; 阅建议:建议结合提供的Matlab代码逐模块分析实现流程,重点关注Koopman观测矩阵构造、RNN网络结构设计与MPC控制器耦合机制,同时可通过替换实际系统数据进行迁移验证,深化对数据驱动控制方法的理解与应用能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值