我同事说我写代码像写诗

把自己平时写代码的习惯跟大家分享一下

1.定义配置文件信息

有时候我们为了统一管理会把一些变量放到yml配置文件中

例如

17e926035d7f4b7bc25157166e46bd4c.png

用 @ConfigurationProperties 代替@Value

使用方法

定义对应字段的实体

@Data
// 指定前缀
@ConfigurationProperties(prefix = "developer")
@Component
public class DeveloperProperty {
    private String name;
    private String website;
    private String qq;
    private String phoneNumber;
}

使用时注入这个bean

@RestController
@RequiredArgsConstructor
public class PropertyController {
 
    final DeveloperProperty developerProperty;
 
    @GetMapping("/property")
    public Object index() {
       return developerProperty.getName();
    }
}

2. 用@RequiredArgsConstructor代替@Autowired

我们都知道注入一个bean有三种方式哦(set注入, 构造器注入, 注解注入),spring推荐我们使用构造器的方式注入Bean

我们来看看上段代码编译完之后的样子

1a95343252c205f343cb09a6850defe4.png

RequiredArgsConstructor:lombok提供

3.代码模块化

阿里巴巴Java开发手册中说到每个方法的代码不要超过50行(我没记错的话)

在实际的开发中我们要善于拆分自己的接口或方法, 做到一个方法只处理一种逻辑, 说不定以后某个功能就用到了, 拿来即用

e4d54a58302b653824faa65122f3e799.png

4. 抛异常而不是返回

在写业务代码的时候,经常会根据不同的结果返回不同的信息,尽量减少返回,会显得代码比较乱

反例

767df8be168e2d9867b55d2fdf28ca17.png

正例

6b9d7df373a21265476ffa5de461c5b3.png

5. 减少不必要的db

尽可能的减少对数据库的查询

举例子

删除一个服务(已下架或未上架的才能删除)

之前有看别人写的代码,会先根据id查询该记录,然后做一些判断

反例

9c682c537403996903ad9b06a3ee73e8.png

正例

70995b3308e93345488747ac9674c793.png

6. 不要返回null

反例

7468504471a2f3f4a5f791319ede9cd4.png

正例

1e65743abf08fa7603f43b05bb5c42da.png

别处调用方法时,避免不必要的空指针

7. if else

不要太多了if else if

可以试试策略模式代替

8. 减少controller业务代码

业务代码尽量放到service层进行处理,后期维护起来也好操作而且美观

反例

ab5ab96c9b875c642b2bb12c922cc95c.png

正例

a916f248dea366ccf8878d0654c8480e.png

9. 利用好Idea

目前为止市面上的企业基本都用idea作为开发工具了吧

举一个小例子

idea会对我们的代码进行判断,提出合理的建议

例如:

7e0c20b3d8391ba0173cef1763e68326.png

它推荐我们用lanbda的形式代替

点击replace

1a1d4a653cd4bf460842a02cea96c7f8.png

10. 阅读源码

一定要养成阅读源码的好习惯包括优秀的开源项目GitHub上stars:>1000, 会从中学好好多知识包括其对代码的设计思想以及高级API,面试加分(好多面试官习惯问源码相关的知识)

11. 设计模式

23种设计模式,要尝试代码中运用设计模式思想,写出的代码即规范又美观还高大上哈哈。

12. 拥抱新知识

像我们这种工作年限少的程序员,我觉得要多学习自己认知之外的知识,不能每天crud,有机会就多用用有点难度的知识,没有机会(项目较传统),可以自己下班多些相关demo练习

13. 基础问题

map遍历

HashMap<String, String> map = new HashMap<>();
        map.put("name", "du");
        for (String key : map.keySet()) {
            String value = map.get(key);
        }
 
        map.forEach((k, v) -> {
 
        });
 
        // 推荐
        for (Map.Entry<String, String> entry : map.entrySet()) {
 
        }

optional 判空

//获取子目录列表
    public List<CatalogueTreeNode> getChild(String pid) {
            if (V.isEmpty(pid)) {
            pid = BasicDic.TEMPORARY_DIRECTORY_ROOT;
        }
        CatalogueTreeNode node = treeNodeMap.get(pid);
 
        return Optional.ofNullable(node)
                .map(CatalogueTreeNode::getChild)
                .orElse(Collections.emptyList());
    }

递归

大数据量的递归时,避免在递归方法里new对象,可以试试把对象当作方法参数进行传递使用

注释

类 接口方法 注解 较复杂的方法 注释都要写而且要写清楚, 有时候写注释不是给别人看的 而是给自己看的

14. 判断元素是否存在

hashSet而不是list

list判断一个元素是否存在的代码

ArrayList<String> list = new ArrayList<>();
 
// 判断a是否在list中
 
for (int i = 0; i < list.size(); i++)
       if ("a".equals(elementData[i]))
          return i;

由此可见其复杂度为On

而hashSet底层采用hashMap作为数据结构进行存储,元素都放到map的key(即链表中)

HashSet<String> set = new HashSet<>();
 
// 判断a是否在set中
 
int index = hash(a);
 
return getNode(index) != null

由此可见其复杂度为O1

待补充....

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 这是一段AI自动写诗代码:from random import choice# 定义一个列表,用于存放诗句 poem_list = []# 定义一个函数,用于从poem_list中随机选择一个诗句 def choose_poem(): return choice(poem_list)# 将所有诗句放入列表 poem_list.append('春风十,不如你') poem_list.append('繁花似锦,惹人醉') poem_list.append('烟笼寒水月笼沙') poem_list.append('梦回山林,相思空山')# 打印出随机选择的诗句 print(choose_poem()) ### 回答2: AI自动写诗代码可以基于深度学习算法,如循环神经网络(RNN)或变换器模型(Transformer)进行构建。下面是一个简单的示例代码,用于生成五言绝句: ```python import tensorflow as tf import numpy as np # 定义训练数据 poems = ['白日依山尽', '黄河入海流', '欲穷千目', '更上一层楼'] # 构建字典 word2idx = {word: idx for idx, word in enumerate(np.unique(''.join(poems)))} idx2word = {idx: word for word, idx in word2idx.items()} vocab_size = len(word2idx) # 构建训练数据 train_data = [] for poem in poems: train_data.append([word2idx[word] for word in poem]) # 定义模型参数 embedding_dim = 100 hidden_units = 128 # 定义模型 model = tf.keras.Sequential([ tf.keras.layers.Embedding(vocab_size, embedding_dim, input_length=5), tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(hidden_units, return_sequences=True)), tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(hidden_units)), tf.keras.layers.Dense(vocab_size, activation='softmax') ]) # 编译模型 model.compile(optimizer='adam', loss='sparse_categorical_crossentropy') # 训练模型 model.fit(np.array(train_data), np.array(train_data), epochs=100) # 生成诗句 start_words = '白日依山尽' generated_poem = start_words for i in range(5): input_seq = [word2idx[word] for word in generated_poem[-4:]] input_seq = np.expand_dims(input_seq, axis=0) output_probs = model.predict(input_seq)[0] # 预测下一个字的概率分布 predicted_idx = np.random.choice(range(vocab_size), p=output_probs) # 根据概率选择一个字 predicted_word = idx2word[predicted_idx] # 转换成字 generated_poem += predicted_word print(generated_poem) ``` 上述代码是一个简单的AI自动写诗的实现,使用了双向LSTM作为模型的核心结构,通过训练输入输出一致的模型以完成自动写诗的任务。对于更复杂的模型和更大规模的语料库,可以进一步进行改进和调优。 ### 回答3: AI自动写诗是一个基于人工智能技术的应用,可以通过对大的诗歌文本进行学习,生成新的诗歌作品。下面是一个简单的例子,展示了一个基于深度学习的AI自动写诗代码。 首先,我们需要准备一个包含大诗歌文本的数据集,可以是从网络上爬取的或者是已有的诗歌数据库。接下来,我们使用Python语言和深度学习库TensorFlow来建立一个循环神经网络(RNN)模型。 ```python import tensorflow as tf # 设定参数 num_epochs = 100 # 训练轮数 num_steps = 30 # 输入序列的长度 batch_size = 32 # 每批次的大小 hidden_size = 128 # 隐藏层神经元数 num_layers = 2 # RNN的层数 # 加载数据集,预处理数据 # 建立RNN模型 def build_model(vocab_size, hidden_size, num_layers): model = tf.keras.Sequential([ tf.keras.layers.Embedding(vocab_size, hidden_size), tf.keras.layers.GRU(hidden_size, return_sequences=True), tf.keras.layers.GRU(hidden_size, return_sequences=True), tf.keras.layers.Dense(vocab_size) ]) return model # 训练模型 def train(model, dataset, num_epochs): optimizer = tf.keras.optimizers.Adam() loss_metric = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True) for epoch in range(num_epochs): for batch_inputs, batch_labels in dataset: with tf.GradientTape() as tape: logits = model(batch_inputs) loss_value = loss_metric(batch_labels, logits) grads = tape.gradient(loss_value, model.trainable_variables) optimizer.apply_gradients(zip(grads, model.trainable_variables)) return model # 生成新的诗歌 def generate_poem(model, start_string, num_generate): input_eval = [char_to_id[s] for s in start_string] input_eval = tf.expand_dims(input_eval, 0) generated_poem = [] model.reset_states() for _ in range(num_generate): predictions = model(input_eval) predictions = tf.squeeze(predictions, 0) predicted_id = tf.random.categorical(predictions, num_samples=1)[-1, 0].numpy() input_eval = tf.expand_dims([predicted_id], 0) generated_poem.append(id_to_char[predicted_id]) return start_string + ''.join(generated_poem) # 加载数据集并预处理 # 建立词典 # 转换数据集为TensorFlow Dataset # 建立模型 model = build_model(vocab_size, hidden_size, num_layers) # 训练模型 trained_model = train(model, dataset, num_epochs) # 生成新的诗歌 start_string = '春风' num_generate = 30 poem = generate_poem(trained_model, start_string, num_generate) print(poem) ``` 以上代码是一个简单的AI自动写诗的示例,实际上,构建一个高质的AI自动写诗系统需要更复杂的模型和更多的训练数据。此外,还需要进一步的参数调优和模型改进,以获得更好的诗歌生成效果。
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