Swift Tips 028 - Defining static URLs using string literals

代码截图

代码出处: Swift Tips 028 by John Sundell[1]

小笔记

这段代码在说什么

图示里的代码让 URL 遵守了 ExpressibleByStringLiteral 协议,并重写了其对应的构造器,使我们能够通过字符串的字面量直接创建 URL 对象。

如果想在 Swift 3 之前实现同样的功能,我们需要实现 URL 的 init(extendedGraphemeClusterLiteral value: StaticString)init(unicodeScalarLiteral value: StaticString) 方法。

示例代码里的 require(hint:) 方法出自 John Sundell 编写的开源库 Require[2],这个仓库主要的功能是帮助开发者保证 Optional 值不为 nil 且在出现 nil 的情况下,轻松处理由 Optional 造成的崩溃。

Literal Type 是什么

在一些国外的 Swift 文章中,经常会提到 Literal Type,这里我们姑且称它为字面量类型。

要说清楚字面量类型,先说明一下什么是 Literal(字面量),Wiki 里面 Literal 的定义 是这样的。

Literal (computer programming) - In computer science, a literal is a notation for representing a fixed value in source code. Almost all programming languages have notations for atomic values such as integers, floating-point numbers, and strings, and usually for booleans and characters; some also have notations for elements of enumerated types and compound values such as arrays, records, and objects. An anonymous function is a literal for the function type.

简单来说,所谓的字面量,就是指一段能够表示特定类型,特定值的源代码表达式,Swift 里面的 10, true, “Hello” 都是字面量。

在得到了字面量的定义后,我们就很容易得出字面类型的定义了!字面量类型就是支持通过字面量进行实例初始化的数据类型,如 Swift 中的 Int,Bool,String 类型。

下面的列表中,展示了在 Swift 语言中,常见的字面量类型和其对应的实例:

字面量类型的名称默认的数据类型示例
IntegerInt123, 0b1010, 0o644, 0xFF,
Floating-PointDouble3.14, 6.02e23, 0xAp-2
StringString"Hello", """ . . . """
Extended Grapheme ClusterCharacter"A", "é", "????????"
Unicode ScalarUnicode.Scalar"A", "´", "\u{1F1FA}"
BooleanBooltrue, false
NilOptionalnil
ArrayArray[1, 2, 3]
DictionaryDictionary["a": 1, "b": 2]

小提示:不能直接使用 nil 的字面量,因为 Swift 的类型推断无法确定 nil 到底是何种类型,这里我们需要这样使用 nil 字面量

nil // ! cannot infer type
let a = nil as String?// Optional<String>.none
let b: String? = nil

除了标准库以为,在 Playground 里面还有几个特定的字面量。

字面量类型的名称默认的数据类型示例
ColorNSColor/UIColor#colorLiteral(red: 1, green: 0, blue: 1, alpha: 1)
ImageNSImage / UIImage#imageLiteral(resourceName: "icon")
FileURL#fileLiteral(resourceName: "articles.json")

利用 Literal Protocol 实现 Literal Type

既然知道了字面量类型,那么怎么让自己创建的数据类型拥有字面量初始化的能力呢?很简单,我们只需要遵循对应的协议并完成自己的实现即可!所以问题又来了,有哪些协议是开放给开发者使用的呢?

  • ExpressibleByIntegerLiteral

  • ExpressibleByFloatLiteral

  • ExpressibleByStringLiteral

  • ExpressibleByExtendedGraphemeClusterLiteral

  • ExpressibleByUnicodeScalarLiteral

  • ExpressibleByBooleanLiteral

  • ExpressibleByNilLiteral

  • ExpressibleByArrayLiteral

  • ExpressibleByDictionaryLiteral

其中需要注意的是 ExpressibleByStringLiteral 继承了 ExpressibleByExtendedGraphemeClusterLiteralExpressibleByUnicodeScalarLiteral 两个协议。

下面的例子展示了如何让一个自定义类型支持数字字面量初始化和字符串字面量初始化。

struct Money {
    var value: Double
    init(value: Double) {
        self.value = value
    }
}

// 实现ExpressibleByIntegerLiteral字面量协议
extension Money: ExpressibleByIntegerLiteral {
    typealias IntegerLiteralType = Int
    public init(integerLiteral value: IntegerLiteralType) {
        self.init(value: Double(value))
    }
}

// 实现ExpressibleByStringLiteral字面量协议
extension Money: ExpressibleByStringLiteral {
    public init(stringLiteral value: StringLiteralType) {
        if let doubleValue = Double(value) {
            self.init(value: doubleValue)
        } else {
            self.init(value: 0)
        }
    }
}

let intMoney: Money = 10     // 通过整数字面量初始化
let strMoney: Money = "10.2" // 通过字符串字面量初始化

Literal 在 Swift 5 里的进化

在 Swift 5 的发布过程中,核心团队接纳了社区的 SE-0200[3] 提议,这个提议为 Swift 添加了与原始字符串字面量(Raw String Literals)相关的功能,在这项提议中反斜杠(\)和井号(#)在某些场景下是被当作为标点符号而不是转义字符或字符串终止符。这使得许多用法变得更容易,特别是正则表达式。

关于这个知识点可以阅读 Paul Hudson 的文章 - What’s new in Swift 5.0

Swift 5.0 里还有一个与字面量相关的提议 - SE-0213: Literal initialization via coercion[4],简单来说它就是让字面量的创建更加合理,也更加有效率了。

Literal Protocol 带来的好处

通过今天的 Tips,我们应该可以发现字面量协议是一个非常有意思的东西,通过它,我们甚至可以通过一个字符串来初始化一个 UIViewController !(但我估计不会有人想这么做.....)

虽然,这种自由度确实带来了许多可能性,但我确实没有想到十分贴合的业务场景,不过知道这个小技巧还是没什么不好的吧。

关于 Literal Protocol,你有什么好的使用场景么?

参考资料

[1]

Swift Tips 028 by John Sundell: https://github.com/JohnSundell/SwiftTips#28-defining-static-urls-using-string-literals

[2]

Require: https://github.com/johnsundell/require

[3]

SE-0200: https://github.com/apple/swift-evolution/blob/master/proposals/0200-raw-string-escaping.md

[4]

SE-0213: Literal initialization via coercion: https://github.com/apple/swift-evolution/blob/master/proposals/0213-literal-init-via-coercion.md

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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