[js高手之路] 跟GhostWu一起封装一个字符串工具库-架构篇(1)

本文介绍了一个名为GhostWu.js的字符串工具库,该库利用JavaScript面向对象特性封装了一系列常用的字符串处理方法。文章详细解释了其内部工作原理,并通过实例展示了如何将字符串的首字母转换为大写。

所谓字符串工具库就是利用javascript面向对象的知识封装一个常用的字符串处理方法库,首先给这个库起个名字,好吧就叫ghostwu.js。

看下ghostwu.js的整体架构:

 1 ; (function (window, undefined) {
 2     function init(obj, s) {
 3         if (s !== null && s !== undefined) {
 4             if (typeof s === 'string') {
 5                 obj.s = s;
 6             } else {
 7                 obj.s = s.toString();
 8             }
 9         } else {
10             obj.s = s;
11         }
12     }
13 
14     function G(s) {
15         init(this, s);
16     }
17 
18     function GhostWu(s) {
19         return new G(s);
20     }
21 
22     G.prototype = {
23         constructor: G,
24         capitalize: function () {
25             return new this.constructor(this.s.slice(0, 1).toUpperCase() + this.s.substring(1).toLowerCase());
26         }
27     };
28 
29     window.G = GhostWu;
30 })(window, undefined);

1,最外层采用jquery的立即表达式

2,紧接着在第29行暴露一个接口函数GhostWu

3,Ghostwu这个函数返回一个new G()对象, 目的是把 new G()这个对象 传递给init中的this, GhostWu中的参数s 自然就是 等待被处理的字符串

4,init函数的作用,就是给obj对象,也就是new G()对象添加一个属性s用来存储字符串

5,init函数中对s进行了类型和值是否为空的判断

  • 如果为空,就把s直接赋值给obj( 第 10 行 )
  • 如果不为空,分两种情况处理, 如果是字符串直接赋值给obj( 第5行 ). 如果是数组,把数组用toString函数转成字符串赋值给obj( 第7行 )

 6,所以整体运行流程

  先执行第29行,在全局对象window上挂载一个公共属性G, 而G就是我们的GhostWu函数, 假设我们在外面调用G( 'ghostwu' ),程序接着就会执行Ghostwu这个函数

  把字符串 'ghostwu' 当做参数传递给new G, 那么new G中的this指向的就是new G(), s 就是 'ghostwu' ,然后通过init传参,经过第三行的条件判断和第四行的条件判断

  为new G()对象上添加了一个属性s, 值为'ghostwu' , 结果类似:   { s : 'ghostwu' }

7,第22行,之后的所有工具函数都是扩展在G的原型对象上,即G.prototype

8,第23行,设定constructor构造属性的值为G,因为原型对象采用的是字面量方式,重写了默认的G函数原型对象, constructor指向为Object, 所以在这里我们要用

constructor强行让构造属性指向构造函数G

9,第24行,我们为ghostwu.js这个工具库扩展了第一个方法: capitalize,作用是把字符串首字母变成大写,后面的字母变成小写

console.log( G( 'ghostwu' ).capitalize().s ); //Ghostwu
console.log( G( ['ghostwu'] ).capitalize().s ); //Ghostwu

 

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。; 阅读建议: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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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