php 策略模式实现原理,php 策略模式原理与应用深入理解

本文介绍了PHP策略模式的概念和实际应用,通过具体的计算器示例展示了如何创建和使用不同策略。策略模式允许在运行时选择不同的算法或行为,例如在支付方式、商品计价和计算器操作中。文章提供了策略接口和多个策略类的实现,并演示了如何通过环境角色选择和执行相应的策略。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文实例讲述了php 策略模式原理与应用。分享给大家供大家参考,具体如下:

策略模式 简单理解就是 有n个做法供你选择,根据你的需要选择某个策略得到结果

就应用场景来说:

例1:比如购买商品需要支付,你可以提供 微信支付、支付宝支付、支付通支付。。。。(不同的支付方式就是不同的策略)

例2:购物车对产品的计价,如非vip 按原价计算 、vip按8折计算、有推广积分的可以用100积分抵20块。。。(不同的客户条件计价算法有所不同,只是这里的策略选择是根据登录顾客资料来变动的,当然也可以用观察者模式)

例3:计算器,计算两个值得结果,你可以用加法、减法、乘法、除法。。。(不同的算法就是不同的策略)

从应用我们就能进一步思考如何去用代码架构去实现这个过程!

分析:

1.首先策略模式肯定有很多种策略,而不同的策略都是一个拥有自己算法的对象,所以可以用一个接口或抽象类来框定 策略角色(虽然策略角色的共同点就都有一个算法)

2.各种策略都定好了,需要有一个类来实现将你选择的策略拿过来使用,官方的说法就是环境角色,不去理解他字面的意思,简单认为就是 拿某一个策略来使用

//实现一个简单的计算器 (策略接口类)

interface MathOp{

public function calculation($num1,$num2);

}

//加法 (策略一 策略具体实现,继承策略接口)

class MathAdd implements MathOp{

public function calculation($num1,$num2){

return $num1 + $num2;

}

}

//减法 (策略二 策略具体实现,继承策略接口)

class MathSub implements MathOp{

public function calculation($num1,$num2){

return $num1 - $num2;

}

}

//乘法 (策略三 策略具体实现,继承策略接口)

class MathMulti implements MathOp{

public function calculation($num1,$num2){

return $num1 * $num2;

}

}

//除法 (策略四 策略具体实现,继承策略接口)

class MathDiv implements MathOp{

public function calculation($num1,$num2){

return $num1 / $num2;

}

}

//环境角色 (调取某个策略就行计算,调用得看客户端按哪个键)

class Op{

protected $op_class = null;

public function __construct($op_type){

$this->op_class = 'Math' . $op_type;

}

public function get_result($num1,$num2){

$cls = new $this->op_class;

return $cls->calculation($num1,$num2);

}

}

//具体应用过程

$obj = new Op('Add');

echo $obj->get_result(6,2); //8

echo "
";

$obj = new Op('Sub');

echo $obj->get_result(6,5); //1

echo "
";

$obj = new Op('Multi');

echo $obj->get_result(6,2); //12

echo "
";

$obj = new Op('Div');

echo $obj->get_result(6,2); //3

运行结果:

8

1

12

3

希望本文所述对大家PHP程序设计有所帮助。

在Python中,我们可以使用NLTK(自然语言工具包)和NetworkX库来实现高频关键词筛选以及共现网络图的构建。以下是一个基本步骤的示例: 1. **数据预处理**: - 首先,你需要有一份文本数据,可以是一篇文章、一段文章集合,或者是网页抓取的数据。使用`nltk.corpus`获取英文文本数据,如果是自定义文本,使用`nltk.sent_tokenize`将文本分割成句子。 2. **分词和停用词去除**: - 使用`nltk.word_tokenize`将句子分割成单词,然后使用`nltk.corpus.stopwords`中的停用词列表过滤掉常见的无意义词汇。 ```python from nltk.tokenize import word_tokenize from nltk.corpus import stopwords stop_words = set(stopwords.words('english')) words_in_sentence = [word.lower() for word in word_tokenize(sentence) if word.lower() not in stop_words] ``` 3. **词频统计**: - 使用`collections.Counter`计算每个单词出现的频率。 ```python from collections import Counter word_freq = Counter(words_in_sentence) ``` 4. **筛选高频关键词**: - 设置一个阈值,比如出现次数超过某个数的词被认为是高频词。 ```python top_keywords = [word for word, freq in word_freq.items() if freq >= min_frequency] ``` 5. **构建共现网络图**: - 使用`networkx`库创建一个无向图,节点是关键词,边表示它们同时出现的关系。这里可以用`Counter`的`most_common`方法找出频繁出现的词对作为边。 ```python import networkx as nx G = nx.Graph() for word1, _ in word_freq.most_common(): for word2, _ in word_freq[word1:].most_common(): if word2 != word1: # 如果不是同一个词,添加边 G.add_edge(word1, word2, weight=word_freq[word1, word2]) ``` 6. **可视化网络图**: - 使用`nx.draw`或`matplotlib`等库对图进行可视化。 ```python import matplotlib.pyplot as plt nx.draw(G, with_labels=True) plt.show() ``` 注意,这只是一个基础的示例,实际操作中你可能需要更复杂的预处理步骤,例如词干提取或TF-IDF等技术来优化关键词选择。
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