代码的坏味道之一——译自《重构》

本文深入探讨了如何识别和处理代码中的重复部分与过长方法,提供了一系列有效策略来提高代码质量和可维护性。通过提取方法、优化参数、使用重型火炮等手段,可以显著提升代码的可读性和效率。

重复代码Duplicated Code

    臭味集合里面排第一的就是重复代码了。如果你在不止一处发现了同样结构的代码,你可以确定如果你找到一种方法来统一他们的话,你的程序将会改善。

    最简单的重复代码问题是当你在同一个类中有两个方法有相同的表达时出现的。那么你需要做的所有步骤只是提取方法然后在两处调用代码。

    另一种常见的重复问题是当你在两个兄弟类中有相同的表达。你可以通过在两个类中提取方法然后拉升方法(Pull up Method)来消灭重复。如果这段代码相似但不相同,你需要通过提取方法来分离相同和不同的部分。你可能会发现你可以使用构成模版方法(Form Template Method)。如果这些方法是在用不同的算法做同样的事情,你可以选择两种算法中比较清楚的那个然后替换算法。

        如果你的重复代码在两个不相关的类中,考虑在一个类中使用提取类,然后在另一个类中使用这个新部件。另一种可能是这个方法只属于其中一个类,并且要被其他类调用;或者方法属于另一个类需要参考原始类。你必须决定这个方法在哪更有意义,并且确认他只在那里不在其他任何地方。

 

长方法Long Method

    对象程序存在的最好最长的都是那些短方法组成的。新接触对象的程序员经常觉得对象程序是无尽的委托,没有一点计算发生。当你和这样的程序相处一些年份,你会学到小方法是多么的有价值。所有间接带来的好处——解释,分享,选择都被小方法支持。

    早在编程最初时期人们就意识到一段流程越长就越难被理解。老一些的语言对子程序的调用付出更多的代价,阻止了人们接触小方法。现代面对对象语言差不多消除了进程中的调用的代价。对于代码的读者仍然还有代价,就是如果要看子程序做了什么需要切换内容。开发环境允许同时看两个方法帮助消除了这个代价,但真正让理解小方法更容易的是好的命名。如果对一个方法你有好的名字,那么你就不需要看他的方法体了。

    网络效应即你应该在分解方法上更积极一些。一个我们遵循的启示是,当我们觉得需要注释的时候,我们写一个方法来取代之。这样的一个方法包含被注释过的代码,但被以代码的意图命名了,而不是代码怎样做命名。我们可能对几行代码这样做,也可能只针对一行。我们这样做即使我们调用的方法比他代替的代码还要长,但提供的方法名解释代码的意图。这里的关键不是方法的长度,而是方法做什么和怎么做之间的语义距离。

     百分之九十九的时候,简短方法你所需要做的全部就是提取方法。把方法中看起来很适合在一起的部分找到,然后作为一个新的方法。

    如果你有一个许多参数和临时变量的方法,这些元素碍了提取方法的事。如果你试图提取方法,你以传递那么多参数和临时变量作为提取方法的参数收尾,那么这个结果几乎不比原来的状况可读性更高。你常常可以通过用请求替代临时变量来消除临时变量。一长列参数可以被引入参数对象和保留整个对象(Preserve Whole Object)来精简。

    如果你尝试了并且你仍然有许多临时变量和参数,那么是时候使用重型火炮:用方法对象替代方法了。

    你怎么鉴别需要被提取的代码块呢?一个好的技巧是寻找注释。注释常常是这类语义距离的信号。一块带有注释的代码告诉你,这段代码做的事可以被基于这个注释命名的方法替代。即使是一行代码也值得提取,如果它需要解释。

    条件语句和循环也是提取的信号。用分解条件语句来处理条件语句表达。对待循环,提取循环和循环中的代码到他们自己的方法里去。

        

转载于:https://www.cnblogs.com/browncrane/p/refactoring_1.html

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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