php通知多有人,PHP通知抑制;只有某些情况/方法

tl; dr – 在非常严格的环境中工作时,是否有一种有效的方法来管理PHP的错误报告级别,因为某些流程在不太严格的级别下会变得更容易?

好的;首先,我不相信“错误抑制”是一个解决方案.我(有理由确定我)从未使用过@ error suppress运算符,并且无意这样做.我利用set_error_handler()和ErrorException(或一些派生),我在error_reporting(-1)中开发(未来证明E_ALL | E_STRICT)

现在,我不想改变这些习惯,因为我发现它们是一种很好的做法(同样;如果有人有进一步改进我的开发/生产环境设置/实践的建议,我会全力以赴)

然而,当谈到视图生成时,这可能会有点乏味.如果控制器由于某种原因无法将某些数据传递给视图,那么正确的数据(数组索引,变量等)并不总是可用的.只要此数据对于查看生成不重要,视图仍应呈现.

我更喜欢这种语法,因为它不是冗长的,但(我认为)非常容易理解:

// e() is a shortcut function; given the passed value evaluates to a boolean true

// it will echo() and return true, otherwise it simply returns false

当然,如果$data [‘field’]没有在没有索引的情况下返回null来调用offsetGet(),那么我们就会遇到问题.注意遇到异常,异常遇到脚本失败.

我已经尝试了不同的实现,包括使用类似节点的类创建数据树来管理传递给视图的数据列表/行. __get()实际上会创建不存在的节点(在分配或访问时)(为了简化节点数据分配,并防止发出通知.__set()测试有效性,并且会适当地返回false)它还实现了ArrayAccess for访问节点数据,只会在缺失的索引上返回null.

由于PHP的神奇之处,我选择放弃这个实现(虽然我学到了很多关于重构/优化和分析的知识)

我改为使用原生数组,但现在我的视图的代码库充斥着isset(),坦率地说这只是令人恼火(几乎超过上述实现的性能损失)

现在,我认为最简单的解决方法是根据我们在脚本中的位置来上下滑动error_reporting():

// View::render()

public function render($data){

error_reporting(E_ALL & ~E_NOTICE);

// view generation logic

error_reporting(-1);

}

但这似乎并不是最干净(也不安全)的解决办法;特别是在视图中调用辅助函数时.我已经选择了一种HMVC方法,并且可以从视图发出子请求,因此我需要找到所有的render()转义点并使用error_reporting(-1)保护它们.

我还有其他选择吗?

解决方法:

即使在视图模板中,“未定义变量”通知也非常有价值,因为它们有助于发现拼写错误;但这需要定义控制器中的每个变量,或检查它们是否在视图中设置.

正如您所注意到的,这两个明显的解决方案存在一些开销或缺点.甚至禁用错误报告也会产生一些开销,因为仍然会生成错误(错误消息已格式化,内部和用户错误处理程序被调用等等;它们只是隐藏).这隐藏了你可以从视图中调用的辅助方法的错误;这对调试没有帮助.

我建议你使用模板引擎.有些生成PHP代码与手写代码一样快.他们会为你处理这个问题,并会做更多的事情(比如逃避,你的观点也应该充满htmlspecialchars()调用;)).

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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