Java入门(七):方法

Java 七牛缓存刷新 由于七牛提供的文档不怎么好懂(有的功能根本在api中在不到答案),另外百度搜索的答案也不尽如意。折腾了两天,终于搞懂了通过调用七牛提供的API去刷新缓存!! 场景:APP中关于帮助说明原先都是写死的html静态文件,每次更改内容都是直接去服务器去改,很不方便也不安全,然后现在想通过后台去维护这些数据,而我们公司使用的就是七牛来管理文件的。所以现在的需求就是:①、通过后台使用七牛来管理这些 阅读详情

方法,在日常生活中可以理解成解决问题或处理事情的技巧,一个方法的形成,需要思考和分析,从而形成一步一步的步骤,最后在实际执行过程中验证自己的思路。在Java中,方法的形成亦是如此。

方法,指用于封装一段特定的逻辑功能,如计算百分比、判断非空、时间日期的转换等操作,可以在程序中被反复调用,减少重复代码,也便于程序维护,也可以相当于一个小轮子。

一个完整的方法主要由访问修饰符、修饰词、返回值类型、方法名、参数列表、异常处理、方法体七个部分组成,只能声明在类的内部。

访问修饰符 修饰词 返回值类型 方法名(参数列表) throws 异常 {

  方法体

}

1、访问修饰符

用于声明方法的可用范围。包括public、protected、private、缺省四种。public修饰的方法可以被所有类访问。protected修饰的方法可以被位于同一包中的所有类访问,也可以被所有子类(可以不同包)访问。private修饰的方法只能被当前类访问。缺省,也叫无访问修饰符,其修饰的方法可以被位于同一包中的所有类访问。

2、修饰词

用于声明方法的性质或用途。包含static、final、abstract、native、synchronized五种。static修饰的方法,属于静态方法,也称为类方法,可以直接通过类名点方法名调用。final修饰的方法,不能被重载(在面向对象会仔细说明重载、重写的)。abstract修饰的方法表示此方法是一个抽象方法,表示类中已声明但没有实现。native修饰的方法在类中没有实现,此修饰词并不多用。synchronized修饰的方法,表示该方法被“锁”,其他地方的调用无法执行,直到方法运行完,在后面的线程中会详细介绍。

3、返回值类型

用于声明方法的处理结果的数据类型。如果方法没有返回值,可以使用void来声明,表示无返回值。如果方法有返回值,则必须在方法中使用return语句,返回与返回值类型相兼容的返回值数据。

4、方法名

方法的识别名称,其命名原则遵守Java命名规范,做到见名知意,长一点也可以。

5、参数列表

用于声明方法中需要处理的数据,是方法执行的前提条件,可以有多个相同或不同数据类型参数。

6、异常处理

使用throws声明方法运行中可能会出现的异常,将其抛给方法调用者,常见的如空指针异常、输入输出异常等。

7、方法体

方法体是方法的处理过程,有具体的算法逻辑或业务逻辑,是一个方法的核心。

package javalearningday06;

import java.util.Arrays;

/**
 * 方法
 * @author 小川94
 * @date 2018年3月25日
 */
public class Function {

    public static void main(String[] args) {
        System.out.println(helloSomeone("")); // Hello world !
        System.out.println(helloSomeone("小川94")); // Hello,小川94 !
        System.out.println(randomCheckCode(4));
        
        // 对于方法中参数的验证
        int a = 5; // 声明的局部变量a
        // 将a传给add方法,并不会使用上面已经在栈中存在的a,而是会另外在栈中开辟存储空间,存放传参a
        add(a); 
        // 输出打印的a是main方法中声明的变量a,不是add方法中的传参a
        System.out.println(a); // a = 5
    }
    
    /**
     * 打招呼方法
     * StringUtil为工具类,同包下的类不需要引用;
     * 对于传递进来的参数,如果后续会对其进行相关操作,请务必判断是否为空
     * @param name 名称
     * @return
     */
    public static String helloSomeone(String name) {
        if (StringUtil.IsNullOrEmpty(name)) {
            return "Hello world !";
        }
        return "Hello," + name + " !";
    }
    
    /**
     * 生成num位随机验证码字符串
     * @param num 验证码位数
     * @return
     */
    private static String randomCheckCode(int num){
        if (StringUtil.IsNullOrEmpty(num)) {
            return "请传入需要生成几位数验证码的参数!";
        }
        if (0 == num || num < 0) {
            return "请传入大于0的正整数!";
        }
        String[] dic = {"A","B","C","D","E","F","G","H","I","J",
                "K","L","M","N","O","P","Q","R","S","T",
                "U","V","W","X","Y","Z","0","1","2","3",
                "4","5","6","7","8","9"};
        String[] strArr = new String[num];
        for (int i=0; i<strArr.length; i++) {
            int index = (int)(Math.random()*dic.length);
            strArr[i] = dic[index];
        }
        return Arrays.toString(strArr);
    }
    
    /**
     * 关于方法中变量的问题:
     *   方法中声明的变量、参数列表的传参都是局部变量,运行期间,都会在栈中分配存储空间
     * @param a
     */
    protected static void add(int a) {
        a++;
    }
    
}

下面是一个是否为空判断的工具类

package javalearningday06;

/**
 * 是否为空工具类
 * @author 小川94
 * @date 2018年3月25日
 */
public class StringUtil {
    
    /**
     * 判断对象是否为null或者空字符串
     * @param obj
     * @return
     */
    public static boolean IsNullOrEmpty(Object obj){
        if (obj == null) { 
            return true; 
        }
        if (obj.toString().trim().equals("")) { 
            return true; 
        }
        return false;
    }
    
    /**
     * 判断对象不为null或空字符串
     * @param obj
     * @return
     */
    public static boolean IsNotEmpty(Object obj){
        return !IsNullOrEmpty(obj);
    }
    
}

对于方法,也可以这样通俗的理解,将整个方法当做一台可以重复生产产品的机器,访问修饰符相当于这台机器可以由谁来操作;修饰词相当于机器的设置,对产品规格、重量等的设置;返回值类型相当于最后的成品;方法名就是这台机器的名字、编号;参数列表就是生产产品的原料;异常处理相当于机器运行过程中可能会出现的故障;方法体就是机器的加工过程了,最后通过return语句,来生成最终的成品。

Java的高级特性是面向对象,可以对万事万物进行抽象处理,一切皆对象,其中有抽象映射具体、具体归纳抽象的相互转化,这些不仅会在编程中运用,生活中亦是如此。

上面的代码都上传至了GitHub,地址是https://github.com/XiaoChuan94/javalearning/tree/master/javalearningday06,有需要的可以去下载观看,如果喜欢就给个star吧!如有不足,欢迎下方留言交流。

文章首发于我的个人公众号:悦乐书。喜欢分享一路上听过的歌,看过的电影,读过的书,敲过的代码,深夜的沉思。期待你的关注!

公众号后台输入关键字“Java学习电子书”,即可获得12本Java学习相关的电子书资源,如果经济能力允许,还请支持图书作者的纸质正版书籍,创作不易。

【EduCoder答案】Java入门- 方法的使用 简介 其他各类实训答案的目录见这里 答案查询的入口网页版 答案获取的方法简介见这里 并不是所有的关卡都有答案,有些只有部分关卡有 Java入门 - 方法的使用 >>>查看 第1关:如何定义方法 第2关:掌握无参有返回值方法的调用 第3关: 掌握有参数无返回值方法的调用 第4关:掌握有参数有返回值方法的调用 第5关:掌握数组作为参数的使用 第6关:方法的重载 第8关:方法通关挑战 [外链图片转存中…(img-J0bgpHMb-1598117449333)] ... 阅读详情

相关推荐

盘点军工行业软件研发的那些常用GJB标准

GJB5000、2786、438、141、102、8114等...

文章主要涉及嵌入式软件开发、测试、项目管理等,欢迎交流,共同进步。 9486

关于java入门基础中的——方法

本文将详细介绍 方法优点、定义方法、调用方法、有返回值类型、无返回值类型、return 语句、顺序 的案例等 若有细瑕,感谢指正! 关于java中的 ——方法 详解 **1、为什么会用到方法? 举个例子 比如我们在进行不同数字的求和时,需求相同,只是每一次参与计算的具体数据不同,都需要单独写出来。 应该在java语言中有这样的机制 1.1、某个功能代码只需要写一遍 1.2、使用这个功能只需要给这个...

javadaozhu的博客 430

为什么你的Mac蓝牙总断连?深入解析硬件干扰与系统设置避坑

本文深入解析Mac蓝牙频繁断连的原因,包括硬件干扰(如WiFi同频干扰、USB设备电磁干扰)和系统设置问题,并提供详细的优化方案和诊断工具(如blueutil)使用指南,帮助用户有效解决蓝牙稳定性问题。

ik67890123的博客 683

Java入门基础知识

概念 关键字:具有特殊用途的单词。 保留字:未使用的关键字(goto const)。 直接量:不可用作标识符(ture false null)。 一、JAVA运行机制 Java程序的运行必须经过编写、编译、运行三个步骤。 编写是指在Java开发环境中进行程序代码的输入,最终形成后缀名为.java的Java源文件。 编译是指使用Java编译器(JDK中)对源文件进行错误排查的过程,编译后将生成后缀名为.class的字节码文件,这不像C语言那样最终生成可执行文件。 运行是指使用Java解释器将字节码文件翻译成机

weixin_44788545的博客 9984

从FedAvg到实战:手把手教你用PyTorch复现联邦学习经典论文实验(MNIST/CIFAR-10)

本文详细介绍了如何使用PyTorch复现联邦学习经典算法FedAvg在MNIST和CIFAR-10数据集上的实验。从环境搭建、数据非IID划分到模型实现和参数聚合,手把手教你掌握联邦学习的核心技术与实战技巧,帮助开发者和研究人员快速实现隐私保护的分布式机器学习方案。

weixin_29053695的博客 256

差分放大电路的计算

反馈,对于运算放大电路来说,运放工作在线性区,所以这里一定是负反馈,没有反馈(开环)或者是正反馈,那是比较器电路而不是放大电路,这时候运放工作在饱和区或称为非线性工作区,正因为饱和,输出才是电源电压的幅值。图2是一种带正反馈的运放电路,这里就不能叫运算放大电路了,因为运放的开环放大倍数理想是无限大,当然实际中不可能无限大,所以如下结构是迟滞电压比较器,运放工作在非线性区或饱和区。实际应用电路中,我们为了简化计算,也是用最简方法计算,经常使用的电路也是上述电路,令电阻相等关系,简化计算。

qq_40170041的博客 355

java基础-方法

在上一篇博客中,我们提到对数组进行排序,这是数组应用的比较多的一个方面,在很多公司招聘的时候,也会要求手写数组排序代码,同时,对数组进行排序已经开始涉及到一些比较基本的算法与数据结构问题,由此也衍生了多种的排序方法,其中以冒泡排序为主要代表。今天的答案也为冒泡排序,代码如下: //对数组a={2,8,6,9,7,1,11,3}进行排序。 int[] a =new int[]{2,8,6

明立的博客 1638

[官方培训]22-UE资产优化 Epic 肖月 笔记

Nanite+Lumen目标:面向TA,美术,不影响视觉的前提下,优化运行和编辑效率引擎:UE5.1延迟管线平台:主流PC,Windows 10 with DX12。

Tcohneyn的博客 1576

《JAVA从入门到精通视频》笔记七:方法、JVM内存结构

1.方法        方法是可以完成某个特定功能的并且可以被重复利用的代码片段。在C语言中,方法被称为“函数”。在java中,叫做方法。 2.方法的语法机制 [修饰符列表] 返回值类型 方法名(形式参数列表){        方法体; } 注:以上中括号[]里面的内容表示不是必须的,是可选的。 3.使用方法时注意:     &n

weixin_44384631的博客 643

C#面试题及详细答案120道(61-75)-- 多线程与异步

本文摘要了前后端面试题中关于线程与并发的核心知识点,包括线程与进程的区别(61题)、Thread/ThreadPool/Task的对比(62题)、线程安全实现方法(63题)、lock关键字的原理(64题)、Monitor类的进阶用法(65题)以及死锁的成因与避免(66题)。通过C#代码示例和表格对比,清晰展示了多线程编程的关键概念、应用场景及常见问题解决方案,适合开发者快速掌握面试高频考点。完整内容可访问专栏目录获取更多技术面试题解析。

大剑师兰特的GIS世界 1433

android 如何分析应用的内存(十六)——使用AS查看Android堆

在前面,先介绍了如何使用jdb和VS code查看应用栈相关内容。本文将介绍,如何查看堆中的内容。

安仔的博客 4254

Java 基础入门(七):方法的定义与使用

修饰符返回值类型方法名(参数列表){//方法体return返回值;//如果有返回值,需要使用return语句返回这里是修饰符,int是返回值类型,add是方法名,是参数列表。

菜狗小测试 221

PCL 动态半径滤波【2025最新版】

使用PCL实现的2022年最新SCI论文——【Design of Dust-Filtering Algorithms for LiDAR Sensors Using Intensity and Range Information in Off-Road Vehicles】 一文中提出用于自动驾驶点云剔除粉尘、雨雪等影响因素导致的噪声点滤波算法。

点云侠的博客 1475

Java JDBC入门之七 : 利用反射及 JDBC 元数据编写通用的查询方法

Java JDBC入门之六 : 利用反射及 JDBC 元数据编写通用的查询方法JDBC驱动程序处理元数据DatabaseMetaData类ResultSetMetaData 类ResultSetMetaData 的主要使用 JDBC驱动程序处理元数据 Java 通过JDBC获得连接以后,得到一个Connection 对象,可以从这个对象获得有关数据库管理系统的各种信息,包括数据库中的各个表,表...

码农回顾 549

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

Java 8终极学习指南:7步快速掌握现代Java编程的核心技能 [特殊字符]

Java 8是Java语言发展史上的一个重要里程碑,它为开发者带来了革命性的新特性。无论你是Java编程新手还是希望升级技能的开发者,掌握Java 8都是现代Java开发的必备基础。本指南将为你提供一个完整的学习路径,帮助你快速掌握Java 8的核心概念和实用技巧。 ## 📚 为什么Java 8如此重要? Java 8在2014年发布,引入了许多改变游戏规则的新特性,这些特性不仅简化了代码编

gitblog_00847的博客 528

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

【Java】——方法的使用(从入门到进阶)

Java中的方法类似于C语言中的函数,方法是一组为了完成特定功能的代码块,它将一段逻辑封装起来,使其可以被重复调用。通过使用方法,我们可以提高代码的可维护性、可复用性和可读性。例如,计算两个整数之和这样一个简单的功能,如果没有方法,每次需要计算时都要重复编写加法的代码;而有了方法,我们只需编写一次加法逻辑,在需要的时候调用这个方法即可。比如说,我买了一个小米榨汁机(这里不是打广告哈),我想喝一杯鲜榨橙汁,那么我需要准备橙子(食材),然后就开始放入榨汁机中,开始一系列操作,最后得到一杯鲜榨橙汁。

user340的博客 2465

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

Java教程:入门基础【十万字详解】

欢迎来到小羊的《Java教程:入门基础》系列的学习之旅!无论你是初学者还是希望深化对Java编程语言理解的开发者,这系列教程都将为你提供系统化的知识和实用的技能,帮助你从零基础起步,逐步掌握Java编程的核心概念和技术。希望大家多多支持小羊吧!!让我们一起开启这段精彩的编程旅程,从零开始Go Go

yang_xs的博客(只讲干货) 3万+

Java入门(七)——构造方法

当一个类没有定义任何构造方法的话,系统会默认提供一个无参数的构造方法,即缺省构造器。- 如果有定义构造方法那么便不提供缺省构造器。[修饰符列表] 返回值类型 方法名 (形式参数列表) {[修饰符列表] 构造方法名 (形式参数列表) {- 构造方法执行结束后都有返回值,但是不需要写“return 值”- “返回值类型”不能添加,默认返回值的类型为自己本身。- 作用:通过构造方法的调用,可以创建对象。- 调用:new 构造方法名(实参列表)- 构造方法的方法名必须和类名保持一致。- 构造方法支持重载机制。

qq_61562251的博客 519

七、java方法入门

概念引入 public class Demo11Method { public static void main(String[] args) { // TODO Auto-generated method stub //农民伯伯 System.out.println("播种"); System.out.println("浇水"); System.out.printl...

qq_37975179的博客 107

逢七过小游戏,Java实现

逢七过小游戏,Java实现1. 开篇简介2. 需求简介3. 规则简介4. 思路简介5. 代码实现6. 总结 1. 开篇简介 嗨,大家好啊! 『』 今天给大家分享一个,朋友聚会的时候,喜欢玩的一个『小游戏』,这个游戏的名字呢,就叫做《 逢七过》,相信大家都是很『熟悉』的一个游戏了,『不熟悉』也没关系。下边,我也会给大家说一下『游戏规则』,并在『游戏规则的基础』上给出做各个小游戏的『思路』,快过年了,不知道大家忙不忙呢?灵魂发问啊。多话不说,我们现在开始开干。 2. 需求简介 虽然说需求简介有点废话,但是为了看

旺仔爱编程 4834

头歌 实验七 (Java)线程

本关任务: 创建三个线程Thread1、Thread2及Thread3。三个线程要进行同步调度。

x3308626949的博客 2868

Java:Java快速入门

包的名字和项目路径下的目录路径相对应,比如:项目路径为:C:\Study,有一个Java源文件位于:C:\Study\com\happyframework\study\App.java,那么App.java的包名字必须为:com.happyframework.study,且 App.java 的第一行语句必须为:package com.happyframework.study。Java中所有的赋值和方法调用都是“按值“处理的,引用类型的值是对象的地址,原始类型的值是其自身。

woaimx_1314的博客 5293

java小算法 逢七过 水仙花数 逆序数值

java小算法 逢七过 水仙花数 逆序数值 1. 逢七过 /* 11. 逢七过,1 ~ 100以内的所有数值展示,如果带有7或者和7有关,打印过 */ class HomeWork11 { public static void main(String[] args) { int n = 1; while (n < 100) { if ((n / 7 == 1) ...

bandersnatch的博客 924

java入门基础(数组和方法)

数组概念:相同数据类型元素的集合,是一种引用数据类型,我们将类型相同,逻辑相关的数据,存到数组中数组的定义数据类型[] 数组名 = new 数据类型[大小];//声明整型数组,包含5个元素//声明浮点型数组,包含3个元素//声明布尔型数组,包含4个元素声明了整型数组arr,其中包含5个元素,每个元素都是int类型,默认值为0该格式会在声明的同时分配一块内存空间供该数组使用整数数据类型所占空间为4个字节,arr保存的元素有5个,所以该数组总共占用4*5=20个字节2)数组元素的默认值规则。

impact99的博客 1474

头歌(educoder)第 4 章 Java入门之方法 Java入门 - 方法的使用

头歌(educoder)第 4 章 Java入门之方法 Java入门 - 方法的使用

qq_35353972的博客 2万+
上一篇: virtualbox+ievms:还你一个原装IE8
下一篇: 7个小技巧,解决eclipse卡顿问题
程序员小川
博客等级 码龄10年 47粉丝 305原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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