一种app快速迭代的套路(emmm,就称之为套路吧)

通常开发套路

通常公司进行app开发,都有会以下2个必要的组件(我是后端):

1、server提供接口

2、根据ui,移动端设计界面并渲染(动态数据由接口请求返回)

这会产生什么问题呢?

由于国内的环境,大家懂得,开发迭代的速度会非常快,通常一个ui上周说是要这样,这周就要另个一个样子了。

但是,由于客户端的发布和打包审核都有一定周期,导致项目无法准确在准确的时间点上线,所以最好是能由服务端来控制,我到底使用哪个UI进行渲染和操作,会大大加快版本迭代,也可使前端开发更专注在ui的适配性上。

文章背景

目前我就职于国内W公司,马上就要进行离职了(回家种地!哈哈哈),所以想把一些已知的东西做些记录。

w公司,嗯,国内也算几个最活跃的app之一了。那W公司是如何快速进行业务开发的呢?

W公司客户端套路

W公司的每个客户端页面都是一个page,然后里面是card。以图来解释吧:

所以,客户端前期的工作就是渲染大量的card。

而到了后期,只用迭代主ui和交互工作的scheme即可。

W公司服务端套路

W公司的业务是繁重的,每个业务之间几乎有天差地别的处理,那对于客户端来说,他不可能去每个业务方单独调用每个接口,因此,要有一个中心,W公司称之为(mapi 微服务的api getway部分)。

然后业务线很多,每个接口参数也不一样,这时候,假如业务方每次更改,都得和mapi同步信息,好像也不好。因此,衍生出一个对象库(object library),按照我的理解,就是每个要渲染的对象都拥有唯一的一个id,每个id在对象库里都存在着相应的业务。

同样,以图说话:

请求过程: client->mapi->objcet->modules->mapi(汇总数据)->client

对于每个业务方: 写接口->注入到object->将oid注入给mapi

这样做还有另外一大好处,就是可以充分的解耦每个业务方(当然也有不好的地方,每个业务方实际都是自己维护自己的数据)。

当然,图中并没有提及W公司的核心业务feed,因为我直接想总结下这个套路。

套路的思想

其实,每个公司都有适合自己公司开发的套路。我在这里总结的W公司的,但是可能并不适合别的公司(我觉得,特别是业务快速迭代的公司不要使用这个套路,前期开发成本太大,当业务定型之后,可以根据这个套路进行更符合自己业务的调整)。

文字不太会总结,所以我通常都喜欢以图说话 emmm.

转载于:https://my.oschina.net/lwl1989/blog/2990914

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
可以使用Python中的自然语言处理工具NLTK和正则表达式来实现这个功能。具体步骤如下: 1. 导入NLTK和re模块 ```python import nltk import re ``` 2. 定义需要提取的关键词和文本 ```python keywords = ["Python", "NLTK", "正则表达式"] text = "Python一种高级编程语言,常用于Web开发、人工智能、科学计算等领域。NLTK是自然语言处理领域的重要工具包,可以用来进行文本处理、分词、词性标注、句法分析等任务。正则表达式是一种描述字符串模式的语言,可以用来进行文本匹配和替换。" ``` 3. 对文本进行分句和分词 ```python sentences = nltk.sent_tokenize(text) tokens = [nltk.word_tokenize(sentence) for sentence in sentences] ``` 4. 使用正则表达式匹配关键词出现的句子 ```python matched_sentences = [] for sentence in sentences: for keyword in keywords: if re.search(keyword, sentence): matched_sentences.append(sentence) break ``` 5. 将匹配到的句子写入txt文件 ```python with open("matched_sentences.txt", "w") as f: for sentence in matched_sentences: f.write(sentence + "\n") ``` 完整代码如下: ```python import nltk import re keywords = ["Python", "NLTK", "正则表达式"] text = "Python一种高级编程语言,常用于Web开发、人工智能、科学计算等领域。NLTK是自然语言处理领域的重要工具包,可以用来进行文本处理、分词、词性标注、句法分析等任务。正则表达式是一种描述字符串模式的语言,可以用来进行文本匹配和替换。" sentences = nltk.sent_tokenize(text) tokens = [nltk.word_tokenize(sentence) for sentence in sentences] matched_sentences = [] for sentence in sentences: for keyword in keywords: if re.search(keyword, sentence): matched_sentences.append(sentence) break with open("matched_sentences.txt", "w") as f: for sentence in matched_sentences: f.write(sentence + "\n") ``` 运行后,会在当前目录下生成一个名为matched_sentences.txt的文件,其中包含了所有匹配到的句子。
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