Java里不同方法里的局部变量的名称可以相同么?!

成员方法,成员变量,局部变量,构造方法,构造器 明天你的任务是学习switch,弄明白什么是成员变量  成员方法  局部变量  构造器  构造方法 阅读详情


Java里不同方法里的局部变量的名称可以相同么?! 5

黄小璠ing  |  浏览 1425 次   问题未开放回答
推荐于2016-05-01 15:41:45 最佳答案

java里不同方法里的局部变量的名称是可以相同的,因为不在一个作用域里面,如下代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
package  com.qiu.lin.he;
 
 
public  class  CeShi {
     public  static  void  main(String[] args) {
         CeShi ce =  new  CeShi();
         ce.ceshi(); //调用第一个方法,输出他的局部变量i
         ce.ceshi2(); //调用第二个方法,输出他的局部变量i
 
     }
 
     public  void  ceshi() {
         int  i =  1 ;
         System.out.println( "我的局部变量是i" );
     }
 
     public  void  ceshi2() {
         int  i =  1 ;
         System.out.println( "我的局部变量也是i" );
     }
}

输出结果为:

邱林和  | 程序员向TA咨询

擅长: IT

其他回答

完全可以,而且统一方法里面都可以相同,取决于作用域
例如

public void method(){
for(int i = 0;i <=5; i++){

}//for里面的这个i到这里已经失效了

for(int i = 0; i <= 11; i++){

}
}
 本回答被提问者和网友采纳
flyingFish211    |  推荐于2016-09-20 11:53:04
评论 
6  0
可以,因为局部变量的作用域在方法体里边
llb0189    |  发布于2012-03-25 20:11

Java里不同方法里的局部变量的名称可以相同么?! 5

黄小璠ing  |  浏览 1425 次   问题未开放回答
推荐于2016-05-01 15:41:45 最佳答案

java里不同方法里的局部变量的名称是可以相同的,因为不在一个作用域里面,如下代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
package  com.qiu.lin.he;
 
 
public  class  CeShi {
     public  static  void  main(String[] args) {
         CeShi ce =  new  CeShi();
         ce.ceshi(); //调用第一个方法,输出他的局部变量i
         ce.ceshi2(); //调用第二个方法,输出他的局部变量i
 
     }
 
     public  void  ceshi() {
         int  i =  1 ;
         System.out.println( "我的局部变量是i" );
     }
 
     public  void  ceshi2() {
         int  i =  1 ;
         System.out.println( "我的局部变量也是i" );
     }
}

输出结果为:

邱林和  | 程序员向TA咨询

擅长: IT

其他回答

完全可以,而且统一方法里面都可以相同,取决于作用域
例如

public void method(){
for(int i = 0;i <=5; i++){

}//for里面的这个i到这里已经失效了

for(int i = 0; i <= 11; i++){

}
}
 本回答被提问者和网友采纳
flyingFish211    |  推荐于2016-09-20 11:53:04
评论 
6  0
可以,因为局部变量的作用域在方法体里边
llb0189    |  发布于2012-03-25 20:11

ANSYS APDL实战:手把手教你搞定电磁-热耦合分析(附完整命令流) 本文通过一个工业感应加热线圈的实战案例,手把手教你使用ANSYS APDL完成电磁-热耦合分析。内容涵盖从几何建模、材料定义、网格划分到加载求解及后处理的完整流程,重点讲解了使用PLANE13单元进行双向耦合场分析的方法与命令流调试技巧,助力工程师快速掌握这一核心仿真能力。 阅读详情

相关推荐

AI安全攻防:十六进制编码与表情符号如何绕过ChatGPT安全限制

在人工智能安全领域,提示词工程是影响大语言模型行为的关键技术。其核心原理在于通过精心设计的输入文本,引导模型生成特定内容或执行特定任务。这项技术的价值在于能够深入探究模型的理解机制与决策边界,对于模型优化、安全测试及功能开发具有重要意义。在实际应用场景中,研究人员常利用编码转换、符号插入等方法构造输入,以测试模型安全护栏的鲁棒性。近期,一种结合十六进制编码与表情符号的组合攻击手法受到关注,该方法通过信息伪装与语义干扰,试图绕过模型内置的内容过滤机制,这凸显了当前AI安全在输入预处理与语义理解协同防御上面临的

weixin_30633405的博客 449

Java局部变量不可同名

Java中局部变量只有三种:形参、方法中定义的变量、代码块中定义的变量。如下所示: 注意:局部变量的作用域是从该局部变量定义的地方一直到局部作用域结束的地方。例如形参的作用域,就是从方法的第一行代码到最后一行代码。 在Java中一定要注意,同名局部变量不存在被屏蔽的问题,只会报错!而C/C++以及其它一些语言对同名局部变量,就是屏蔽处理。 反例1: 反例2: 所以注意了,Ja...

码出幸福人生 1170

【74HC595芯片】核心驱动代码

74HC595是一个8位串行输入、并行输出的位移缓存器:并行输出为三态输出。在SCK 的上升沿,串行数据由SDL输入到内部的8位位移缓存器,并由Q7’输出,而并行输出则是在LCK的上升沿将在8位位移缓存器的数据存入到8位并行输出缓存器。当串行数据输入端OE的控制信号为低使能时,并行输出端的输出值等于并行输出缓存器所存储的值。

weixin_67147824的博客 1847

成员变量和局部变量同名 / 局部变量的作用域最小化

成员变量和局部变量同名 在同一个作用域内不允许定义同名的多个变量。   在一个方法内,可以定义和成员变量同名的局部变量或参数,此时成员变量被屏蔽。此时如果想要访问成员变量,可以通过 this 关键字来访问,this 关键字来访问,this 为当前实例的引用,如果要访问类变量,可以通过类名来访问。     局部变量的作用域最小化   将局部变量的作用域最小化,可增加代码的可读

heartbeaty的专栏 4191

Jetson平台XDMA PCIe驱动安装与测试全指南

本文提供了一份在NVIDIA Jetson平台上安装与测试Xilinx FPGA XDMA PCIe驱动的完整指南。详细阐述了驱动作为高速DMA引擎的核心作用,并逐步讲解了从环境准备、驱动编译、内核模块加载到实际数据传输测试的全过程。内容涵盖常见问题排查与性能优化建议,帮助开发者实现Jetson与FPGA间的高速数据通信,适用于自动驾驶、工业视觉等需要异构计算的应用场景。

weixin_29196315的博客 526

win10任务栏文件夹设置成竖形列表样式

win10任务栏文件夹设置成竖形列表样式

ftzchina的博客 7081

Java基础知识总结(二)

9、构造方法 1)构造方法的名称必须与它所在类名称完全相同,并且不包含返回值类型描述部分。 2)构造方法在对象实例化时被调用,如果类的创建者没有提供构造方法,则由系统自动分配一个无参构造方法。 3)构造方法不能有任何非访问性质的修饰符修饰,例如static、final、synchronized、abstract等。 解释:构造方法用于初始化一个实例对象,所以static修饰是没有任何意义的

EstelleZhao的博客 713

川崎机器人总线通信_三菱PLC和发那科机器人进行CCLINK总线通信

三菱CCLINK主站模块采用QJ61BT11N,该模块用在Q系列PLC上,如果是5U或3UPLC,可用FX5-CNV-BUS加FX3U-16CCL-M或FX5-CCL-M模块。本教程以Q系列为例CCLINK接线方法如下模块拨码含义如下接线和拨码设置好后,接着在编程软件上设置CCLINK通信参数打开编程软件,在工程导航栏打开参数——网络参数,选中CCLINK打开。打开如下画面起始IO为模块本体占用I...

weixin_42300398的博客 7548

Java中一个范围大的作用域下不能重新定义同名变量

同一个作用域范围的包裹下局部变量和局部变量不可以重名(作用域内不能重复命名) 上面的代码虽然在C和C++里合法(将一个较大作用域的变量“隐藏”),但在java中是非法的,编译器会报告变量x已经定义过。 同一作用域范围的包裹下成员变量名和局部变量名是可以变量名相同的。在方法中使用变量时,如果不指明使用成员变量还是局部变量,那么默认使用局部变量(就近原则),但是如果局部变量超出了它本身的作用域范围则会失效,被JVM垃圾回收,那么则可以重复命名此变量。 public class Test04{ .

weixin_44630656的博客 2396

【AI生成】市面上主流自组网厂家的技术及市场研究

经过对全球自组网产业技术特征与市场格局的系统分析,本文得出以下核心结论:技术演进呈现智能化与融合化双轨路径 当前自组网技术创新已突破传统组网架构局限,形成"协议优化-架构创新-场景适配"的递进式发展路径。国际厂商聚焦智能算法应用,如Silvus采用深度学习实现动态拓扑优化,传输时延较传统方案降低37%;国内企业则侧重异构网络融合,中国移动设计院提出的5G LAN架构使工业场景通信可靠性提升至99.99%。

qq_31310977的博客 1696

MoveIt 运动学、运动规划、混合规划、move_group

混合规划是运动规划方法的一个术语,它将异构运动规划器结合起来,以产生更稳健或反应更快的解决方案。这种通用方法在导航领域已经非常成熟,并在导航2等流行项目中成功实施。MoveIt 的混合规划架构结合了一对全局规划器和局部规划器,它们以不同的规划速度和问题范围并行、并发运行。全局规划器的任务是解决全局运动规划问题,这与 “感知-规划-行动 ”应用中使用的规划器非常相似。所使用的规划器算法应该是完整的,因此假定其计算时间相对较慢。此外,全局规划器不要求实时安全,这意味着无法保证规划器在特定期限内找到解决方案。

机器人控制与仿真应用 2131

Java中变量命名重复的问题

在Java中变量分为成员变量(或全局变量)和局部变量两种,概念不多说了。当你命名变量的时候,什么才是变量命名重复呢?     看这段代码:    public class Test    {    private int a = 3;    private  void testD

醉影的专栏 8357

IPD流程中的RR\OR\IR\PB\SR\AR\CR等名词汇总(基于新的产品包需求架构)

RR:Raw Requirement,原始需求=》IR:Initial Requirement,初始需求=》SR:System Requirement,系统需求=》AR:Allocated Requirement,分配需求=》CR:Process Change Requirement,流程变更需求。

a1809032425的博客 3191

Java类定义、成员变量定义、方法定义、成员变量与局部变量的区别

编程语言的三大发展阶段:面向机器语言、面向过程语言、面向对象语言 ; 其中面向对象语言主要体现三个特征:封装性、继承、动态 ; 类的定义:类声明和类体。基本格式如下: class 类名{ 类体 } 特点: 1、类是Java程序的基本要素,一个Java应用程序就是由若干个类所构成; 2、类声明的变量称为对象变量,也简称 对象 ; 3、class 关键字是用来定义类 ; 4、...

LagerSwan的博客 1万+

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

JAVA基础:局部变量和成员变量的区别

局部变量和成员变量的区别: **A:在类中的位置不同 成员变量:在类中方法外 局部变量:在方法中或者方法的声明上 **B:在内存里的位置不同 成员变量:在堆内存中(成员变量属于对象,对象进堆内存) 局部变量:在栈内存中(局部变量属于方法,方法进栈内存) **C:生命周期不同 成员变量:随着对象的创建而存在,随着对象的消失而消失 局部变量:随着方法的调用而存在,随着方法的调用完毕而消失 **D:初始化值不同 成员变量:有默认初始化值

qq_45263718的博客 3673

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")

Java | 局部变量(Local Variable)

局部变量(Local Variable),是 Java 编程语言中位于代码块内的一种变量。如同对象将其状态存储在字段中那样,代码块将其临时状态存储在局部变量中。局部变量始终被归类为“变量”(而不是“字段”)。

Blume 的博客 9458

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

java 基础之成员变量,成员方法和局部变量,实例方法

简单的说法,可能没那么严谨。 成员变量:类

2341

java 局部变量 成员变量 方法

可以改变的数,称为变量。在Java语言中,所有的变量在使用前必须声明。 一般通过“变量类型 变量名 = 变量值 ;”这三部分来描述一个变量。如:int a = 3 ; 变量的使用原则:就近原则,即尽量控制变量的使用范围到最小 局部变量 位置:定义在方法里或者局部代码块中 注意:必须手动初始化来分配内存.如:int i = 5;或者int i; i = 5; 作用域:也就是方法里或者局部代码块中,方法运行完内存就释放了 成员变量 位置:定义在类里方法外 注意:不用初始化,也会...

zhoudp123456的博客 283

Java中成员变量和局部变量的区别

在类中的位置不同,成员变量在类中的方法外,局部变量在方法里 在内存中的位置不同,成员变量在堆内存中,局部变量在栈内存中 生命周期不同,成员变量随着对象的创建而存在,随着对象的消失而消失 局部变量随着方法的调用而存在,方法调用完毕而销毁 初始化值不同 成员变量有默认值,数值类型默认值为0,浮点类型默认值为0.0,char类型默认值为空字符,boolean类型默认为false,String、数组、对象默认值为null 局部变量没有默认值,必须定义,赋值,然后才能使用 优先级不同,如果同时..

pgrightwu的博客 272

Java 成员变量和局部变量异同

相同点: 1)定义的语法格式相同: 类型 名称 = 初始值 2)都有作用域 不同点: 1)定义位置不同:成员变量定义在类中、方法外; 局部变量定义在 方法内 或者 方法的参数 或者 代码块 中。 2)成员变量有默认的初始值。 基本类型: 整形:byte short int long ,默认值为 0 浮点型:float double,默认值为 0.0 字符型: char,默...

u013111855的博客 361

java方法名称_java方法

方法的命名规则:1,方法的名字的第一个单词应以小写字母作为开头,后面的单词则用大写字母开头写,不使用连接符,2.下划线可能出现在JUnit测试方法名称中用以分隔名称的逻辑组件,一个典型的模式是:test_,例如testPop_emptyStack方法定义:修饰符 返回值类型 方法名(参数类型 参数名){...方法体....return 返回值;}修饰符:修饰符,这是可选的,告诉编译器如何调用该方法...

weixin_39945475的博客 690

Java中局部变量、静态变量、静态方法的有效范围与调用

1.局部变量定义:在成员方法中定义的变量称为局部变量;(方法中的形参也可以作为局部变量)例:public void method1() {               //n,i均为局部变量             int n;        for(int i=0;i&lt;5;i++)        {            System.out.println("*");        } ...

eternal_yy 8900

【Java基础】:类的概念,成员变量和局部变量,成员方法,构造方法与对象

【类】: 定义:类是一事物的统称,也就是同一个类型的对象归为一个类。类包括成员变量和成员方法,对象的属性也就是通过成员变量来实现的,成员的行为是通过成员方法类实现的。类把属性和行为封装成了一个整体。 类的声明:需要类的名称,类的访问权限,该类与其他类的关系, 声明格式:[修饰符] class <类名> [extends 父类名] [implements 接口列表]{} 修饰符:...

Wweakness的博客 1977

java构造方法初始化变量,java的构造方法和变量总结

很多初学者在刚接触java的时候搞不清楚成员变量和局部变量,总是把这两个概念搞混,下面我给各位总结一下这两者的区别1:成员变量直接定义在类中。局部变量定义在方法中,参数上,语句中。2:成员变量在这个类中有效。局部变量只在自己所属的大括号内有效,大括号结束,局部变量失去作用域。3:成员变量存在于堆内存中,随着对象的产生而存在,消失而消失。局部变量存在于栈内存中,随着所属区域的运行而存在,结束而释放...

weixin_42638178的博客 1913

java中成员变量和局部变量

一个类里不能定义两个重名的成员变量 java允许局部变量和成员变量名称相同,如果方法里的局部变量和成员变量相同,局部变量会覆盖成员变量,这时可以通过如下语法访问成员变量 //类Field 类名.变量名 //实例Field this.变量名 成员变量 系统加载类或者创建该类的实例时会自动为类Field分配内存空间并自动为成员变量指定初始值。 实例Field是在创建实例时分配内存空间并指定初始值的。...

weixin_46742917的博客 323

java的方法作用域_Java的方法重载与变量作用域简介

Java的方法重载与变量作用域简介方法的重载上面使用的max方法仅仅适用于int型数据。但如果你想得到两个浮点类型数据的最大值呢?解决方法是创建另一个有相同名字但参数不同的方法,如下面代码所示:public static double max(double num1, double num2) {if (num1 > num2)return num1;elsereturn num2;}如果你...

weixin_39747721的博客 128
上一篇: 删除字符串最后一个字符的几种方法
下一篇: java同名全局变量和局部变量的问题
javaPie
博客等级 码龄16年 1171粉丝 43原创
评论
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