【Flutter】dart构造函数、工厂构造函数

Dart 如何正确使用构造函数? Dart 语言为我们提供了很多简写构造函数的语法糖,多了解 Dart 语言自身的一些特性,可以让我们的编码效率更高,代码更整洁。 阅读详情

在OOP中,我们会使用类来定义一类对象的属性,和行为。通过调用该类的构造函数来创建类的实例对象。在通过调用方法来实现操作行为。

1、构造函数

和大多数OOP语言一样,dart的构造函数,采用和类同名的函数名作为构造函数,不显示声明构造函数会自动创建无参构造,构造函数不会被继承。此处不在赘述。关于dart特有的 命名构造函数稍微说明一下。

1.1 命名构造函数

开发中,我们通常会Map 和 Json互转的场景,关于构造函数我们使用下面例子

import 'dart:convert';

class Token {
  final String token_type;
  final int expires_in;
  final String access_token;
  // final String? refresh_token;

  Token.fromJson(Map<String, dynamic> json)
      : token_type = json['token_type'],
        expires_in = json['expires_in'],
        access_token = json['access_token']
  // refresh_token = json.containsKey('refresh_token') ? json['refresh_token'] as String : ''
  ;

  Map<String, dynamic> toJson() => {
        'token_type': token_type,
        'expires_in': expires_in,
        'access_token': access_token,
        // 'refresh_token': refresh_token,
      };
}

2 factory constructor

2.1 官方文档

使用factory 修饰构造函数的时候,并不总是创建该类的实例对象。构造函数会从缓存返回一个实例。

2.1 官方例子

class Logger {
  final String name;
  bool mute = false;

  // _cache is library-private, thanks to
  // the _ in front of its name.
  static final Map<String, Logger> _cache = <String, Logger>{};

  factory Logger(String name) {
    return _cache.putIfAbsent(name, () => Logger._internal(name));
  }

  factory Logger.fromJson(Map<String, Object> json) {
    return Logger(json['name'].toString());
  }

  Logger._internal(this.name);

  void log(String msg) {
    if (!mute) print(msg);
  }
}
  • 定义了个Map用于cachelogger 实例对象。
  • 该类主要用于打印包含字符和Map(包含name属性的Map)log信息。
  • name字符变量改变也会创建新的Logger对象
  • 打印只包含name的map对象,真的是妙啊!!!!!!!!

2.3 jeverson 关于工厂构造的理解

  • factory 构造函数即为设计模式中的工厂模式
  • factory 构造函数创建的实例和单例差不多
2.3.1 关于Logger的改造
class Logger {
  factory Logger.create(ELogType type) {
    if (type == ELogType.info) {
      return Logger._infoLog();
    }
    if (type == ELogType.error) {
      return Logger._errorLog();
    }
    if (type == ELogType.warning) {
      return Logger._warningLog();
    }
    return Logger._infoLog();
  }

  Logger._infoLog() : displayColor = ELogType.info.logColor;
  Logger._errorLog() : displayColor = ELogType.error.logColor;
  Logger._warningLog() : displayColor = ELogType.warning.logColor;

  String displayColor;
}

enum ELogType {
  info(color: "white"),
  warning(color: "yellow"),
  error(color: "red");

  const ELogType({required this.color});

  final String color;

  String get logColor => color;
}

  • 基于简单工厂实现的一个Logger案例,当然现实中的Logger 在info,error,warning 的细数逻辑,并不是简单的赋值。
  • 关于抽象工厂的实现方式,本例不展开扩展,改造近提供设计的思路。

2.3.2 关于工厂构造在Flutter 的使用场景

  • 基础框架中的,日志收集以及需要采用单例模式
  • C端差异化源组件设计化的差异,Alert,Toast,HUD等
  • 通用业务的抽离。

TODO: 关于业务场景的实例拓展,

dart 命名构造函数 dart命名构造函数、构造函数参数初始化列表 阅读详情

相关推荐

Rocfall安装包&安装教程

Rocfall 第一步:下载安装包 下载路径: 链接:https://pan.baidu.com/s/1Dzvxzv67dSPRi7f7ZT9EeA 提取码:o9pl 第二部:安装 安装包解压 选择part1进行解压 点击Setup.exe启动安装 生成Serial Number 替换启动程序 安装完毕 素材来源于网络(禁止用于商业仅用于完成毕业设计和研究使用) 谢谢! ...

cym的博客 8711

Flutter随记三:自定义类(对象)、类默认构造函数 、带命名参数类构造函数、系统构造函数

Flutter随记三:构造函数 命名参数 系统构造函数

鸡肋佐的博客 3501

GraphRAG + Ollama 本地化部署实战:从零搭建知识图谱问答系统

本文详细介绍了如何在本地部署GraphRAG与Ollama,搭建一个完全自主可控的知识图谱问答系统。通过逐步指导环境配置、项目初始化、核心设置修改以及源码适配,成功将GraphRAG从依赖云端OpenAI API转向本地Ollama服务,并选用qwen2.5:7b和nomic-embed-text模型。该方案有效解决了数据隐私与持续API成本问题,特别适合中小企业构建内部知识库或智能客服系统。

x2y3z4a5b的博客 919

dart构造函数解析

一 构造函数格式 ClassName() 默认构造函数 ClassName(…) 普通构造函数(无名或无参) ClassName.identifier() 命名构造函数(有参或无参) const ClassName(…) 常量构造函数 factory ClassName(…) 工厂构造函数 二 构造函数定义和使用 2.1 默认构造函数 如果定义了一个类,在没有自定义其他构造函数的前提下,那么该类会有一个默认的构造函数,并且该函数没有名称也没有参数。 tips: 如果自定义了任何形式的构造函数,那么不

键盘吧嗒吧嗒 2228

从原理到实战:N4偏置场校正算法在医学影像预处理中的核心应用

本文深入解析N4偏置场校正算法在MRI医学影像预处理中的核心应用,从原理到实战全面覆盖。通过Python代码实现演示,详细讲解如何消除MRI扫描中的偏置场效应,提升图像质量,并分享量化评估与参数调优的实用技巧,帮助医学影像分析准确率显著提升。

weixin_42531710的博客 393

告别手动复制粘贴!用Python脚本+pywinauto实现PC微信消息自动发送(附完整源码)

本文详细介绍了如何利用Python和pywinauto实现PC微信消息的自动化发送,告别繁琐的手动操作。从环境搭建、UI控件定位到构建健壮的发送流程,再到高级功能扩展和项目打包部署,全面解析了自动化办公的实现方案,显著提升工作效率。

weixin_30315723的博客 585

flutter - 构造函数

构造函数 class MyWidget extends StatefulWidget { final String userName; MyWidget({Key key, this.userName}) : super(key: key); _MyWidgetState createState() => _MyWidgetState(); } class _MyWidgetS...

ifredom 6403

手把手教你逆向分析某里系bx-ua参数(以225版本为例)

本文详细解析了某里系应用bx-ua参数的逆向工程实战方法,重点拆解其三层加密体系(二进制加密、字符替换和Base64编码)。通过工具链配置和实战案例,帮助开发者掌握逆向分析技巧,适用于合法合规的安全研究和加密技术评估场景。

weixin_33220360的博客 414

【Flutter从入门到实战】 ③、Dart基础语言、重定向-常量构造-工厂构造函数、类的set、get、继承、抽象类的使用、隐式接口、类属性类方法、枚举、Dart库-系统库-自定义库-第三方库

【Flutter从入门到实战】 ③、Dart基础语言、重定向-常量构造-工厂构造函数、类的set、get、继承、抽象类的使用、ys接口、类属性类方法、枚举、Dart库-系统库-自定义库-第三方库

慢慢来就很快。 1595

语言 拉丁超立方抽样_医学统计与R语言:间断时间序列分析(Interrupted time series regression)...

微信公众号:医学统计与R语言如果你觉得对你有帮助,欢迎转发Interrupted time series (ITS) analysis is a valuable study design for evaluating the effectiveness of population-level health interventions that have been implemented...

weixin_29300805的博客 3706

NR TA

这篇是NR TA的笔记,之前有对R17 NTN TA进行了简单总结,但是也仅仅局限在NTN部分,其他TA基本过程没有涉及,这篇是针对R16版本协议对NR TA相关内容做的总结。和PUSCH power control过程类似,NR TA也可以分为开环 和闭环调整,相关内容分散在38.300,38.211,38.213,38.321,38.133和38.331。后面就按照38.300 TA相关概念,38.211中有关TA定义,38.213 TA 相关内容,38.321 TA控制过程,38.133 Timi

ModemProtocol的博客 770

[Flutter] dart: class;abstract class;factory;类、抽象类、工厂构造函数

最近在在使用 重构以前项目时,对网络库 进行封装的时候发现在实例的时候是 对象时,无意中发现class 时抽象类,却还能使用 构造函数实例化,这是为什么呢?查看源码时集合对象, 定义时都是 震惊!!! .........

jeversonjee's blog 1929

SSE 传输过程中,丢失空格和回车符,怎么解决?

Server - Sent Events(SSE)即服务器发送事件,是 HTML5 中的一项 Web API,用于实现服务器向客户端浏览器推送实时数据的功能。

938

10天学会flutter DAY2 玩转dart 类(1)

/你必须重新Employee.formJson 并调用 super.fromJson(data)。print(‘p1 的实例类型是 ${p1.runtimeType}’);final int?final int?// 带有 _cache 表示是私有的。// Person没有默认构造函数;// 命名构造函数,上面讲过。// this 主构造函数。

2401_86367115的博客 790

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

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")

Flutter(able) 的单例模式 | Flutter 设计模式

单例设计模式(Singleton Design Pattern) 理解起来非常简单。一个类只允许创建一个实例,那这个类就是一个单例类,这种设计模式就叫作单例设计模式,简称单例模式。作为最...

Flutter 社区 819

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

flutter单例设计模式

单例设计模式(Singleton Design Pattern) 理解起来非常简单。 一个类只允许创建一个实例,那这个类就是一个单例类,这种设计模式就叫作单例设计模式,简称单例模式。 作为最简单的一种设计模式之一,对于单例本身的概念,大家一看就能明白,但在某些情况下也很容易使用不恰当。相比其他语言,Dart 和 Flutter 中的单例模式也不尽相同,本篇文章我们就一起探究看看它在 Dart 和 Flutter 中的应用。 Flutter(able) 的单例模式 一般来说,要在代码中使用单.

haoxuhong的博客 827

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

Flutter学习笔记: Dart语言值之面向对象class

4. Class的使用 所有代码均在github上github地址 1. 类的构造函数定义 类的构造函数本质也是函数,因此其定义方式和函数的定义套路是一样的,有具名参数函数和位置参数函数这两种,另外还包括使用dart语法糖的形式。 如果一个函数没有构造函数会怎么样? 如果不指定构造器的话,class会调用一个不带任何参数的默认构造器 该构造器没有任何传参,并且在继承父类构造器的时候不会传参 构造...

qq_24724109的博客 3129

Dart语言详解-7 类

文章目录1 类-构造函数2 类-命名构造函数3 类-重定向构造函数4 类-初始化列表5 类-调用超类构造函数6 类-常量构造函数7 类-工厂构造函数8 类-Setter和Getter9 类-抽象类10 类-可调用类 1 类-构造函数 //java中写法 class Point { double x; double y; Point(int x, int y) { this....

hongxue8888的博客 502

Flutter中的 工厂函数:使用与原理

Dart中的工厂函数是一种特殊的静态方法,用于灵活控制对象创建过程。与普通构造函数不同,工厂函数可以返回现有实例(如实现单例模式)、根据参数返回不同子类对象,或处理复杂对象构造(如JSON反序列化)。典型应用包括:1)单例模式实现,确保全局唯一实例;2)多态对象创建,根据参数返回不同子类;3)JSON反序列化,封装数据转换逻辑。工厂函数本质上是编译为静态方法,通过逻辑控制替代直接实例化,为对象创建提供了更大灵活性。

梦想不只是梦与想的博客 966

Flutter——构造函数

重定向构造函数就是 Dart 里的“传送门”。目的:避免在多个构造函数里写重复的赋值代码(DRY 原则)。写法构造函数名(...) : this(参数);核心:它自己不干活,它只是主构造函数的“搬运工”。类型描述特点默认构造函数如果没有定义任何构造函数,Dart 自动提供一个无参数的构造函数。简单初始化对象,不做额外处理。命名构造函数允许定义多个构造函数,便于以不同方式初始化对象。提高代码可读性和灵活性,适合多种初始化需求。工厂构造函数 (factory。

gao_huan_huan的博客 627

Dart:函数123

@TOCDart:函数 普通函数 Dart中一切皆为对象,函数也是一个对象可以做为一个变量 所有函数都会返回一个值。如果没有明确指定返回值,函数体会被隐式添加 “return null;”语句 表达式: 返回值 函数名(参数1,参数2,…){ 函数体 return 返回值; } 实例: int stringToInt(String str){ var one = int.parse(str);// String -> int return one; } 无返回值时,“返回值”可不写

青蛙不吃草 226

flutter 中factory(构造方法上的唯一对象) 与单例模式

当你需要构造函数不是每次都创建一个新的对象时,使用factory关键字。 Flutter中,dart的单例模式设计,创建一个单例的Manager类: class Manager { // 工厂模式 : 单例公开访问点 factory Manager() => _getInstance(); static Manager get instance => _getInstan...

火星男孩的分享空间 1万+

Android学Dart学习笔记第十六节 类-构造方法

本文深入介绍了Dart中的多种构造函数类型,包括生成式构造函数、默认构造函数、命名构造函数、常量构造函数、重定向构造函数、工厂构造函数等。文章详细说明了每种构造函数的特性、使用场景和语法示例,如常量构造函数创建不可变对象,工厂构造函数用于缓存实例或返回子类型等。此外还介绍了实例变量初始化的三种方式:声明时初始化、使用初始化形式参数以及初始化列表。通过具体代码示例,帮助开发者理解不同构造函数的适用场景和实现方法。

weixin_44656996的博客 838

flutter 单例实现与factory

以前一直是复制粘贴,如今有点时间了,开始回头思考一些理所当然的代码,说实话,单例用了很久了,但是依然不知道为啥这么用,今天好好总结下,好摆脱只会复制粘贴的小白。工厂方法构造函数:如果一个构造函数不总是返回一个新对象,则用foctory来定义这个构造函数。例如一个工厂构造函数,可能从缓存中获取一个实例并返回,或者返回一个子类型的实例。使用单例本身目的在于创建一个唯一的对象,避免该对象可能会出现多头使用,造成数据冲突,还一个好处-----减少内存消耗。...

tianya1800的博客 2469

从‘单例’到‘灵活工厂’:手把手教你用Dart的factory玩转5种设计模式

本文详细介绍了如何利用Dart的`factory`关键字实现五种经典设计模式,包括单例模式、工厂方法模式、抽象工厂模式、原型模式和建造者模式。通过实际代码示例,展示了`factory`在提高代码灵活性和可维护性方面的强大能力,帮助开发者更好地构建复杂的Flutter应用或Dart后端服务。

weixin_30892889的博客 255

Flutter .new

new是 Dart 的一个语法糖,它:提供了对构造函数的引用使代码更简洁、类型更安全是 Riverpod 2.0+ 推荐的写法适用于任何需要传递构造函数作为回调的地方这也是现代 Dart 代码中越来越常见的写法,建议在 Flutter 项目中习惯使用它。

qq_30279137的博客 639
上一篇: 【Flutter】关注的那些点
下一篇: 【Flutter】dart class、 mixin和extends、implements、with那些事
jeverson.jee
博客等级 码龄11年 66粉丝 41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