博客
关于我
java之模板方法设计模式
阅读量:472 次
发布时间:2019-03-06

本文共 1017 字,大约阅读时间需要 3 分钟。

抽象类在软件设计中扮演着重要角色,它体现了模板模式设计思想。抽象类作为多个子类的通用模板,允许子类在其基础上进行扩展和修改,同时保留抽象类的核心行为特征。

问题的解决

在软件设计中,当功能实现分为确定部分和不确定部分时,通常可以通过抽象类的方式实现模板设计模式。具体来说,抽象类会提供大部分通用功能,而将不确定的部分留给子类自行实现。这种设计方式可以有效地降低代码冗余,提高代码的可维护性和扩展性。

代码示例

AbstractTemplate.java

public abstract class AbstractTemplate {    public final void getTime() {        long start = System.currentTimeMillis();        code();        long end = System.currentTimeMillis();        System.out.println("执行的时间是:" + (end - start));    }    public abstract void code();}

SubTemplate.java

public class SubTemplate extends AbstractTemplate {    @Override    public void code() {        for (int i = 0; i < 10000; i++) {            System.out.println(i);        }    }}

Test.java

public class Test {    public static void main(String[] args) {        SubTemplate sub = new SubTemplate();        sub.getTime();    }}

输出结果

012...9999执行的时间是125

总结

通过上述代码示例,可以看到抽象类的核心作用在于提供一个通用模板,子类则根据具体需求实现模板中的不确定部分。在本例中,AbstractTemplate 提供了一个时间计算的基础功能,而 SubTemplate 具体实现了循环输出的功能。这种设计方式既保持了代码的简洁性,又实现了良好的扩展性。

转载地址:http://kzsbz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>
OpenCV中遇到Microsoft C++ 异常 cv::Exception
查看>>
opencv之cv2.findContours和drawContours(python)
查看>>