ConciseKit 技术文档
2024-12-20 05:21:06作者:盛欣凯Ernestine
1. 安装指南
ConciseKit 的安装非常简单,您可以选择以下任一方式:
使用 CocoaPods
在您的 Podfile 中添加以下依赖:
dependency 'ConciseKit', '~> 0.1.2'
然后执行 pod install 命令。
手动安装
- 将
src/目录下的文件复制到您的项目中。 - 在您的代码中导入 ConciseKit:
#import "ConciseKit.h"
2. 项目使用说明
ConciseKit 提供了一系列 Objective-C 的扩展和宏,帮助您更快地编写代码。以下是一些主要功能的使用说明:
方法交换 (Method Swizzling)
[$ swizzleMethod:@selector(foo) with:@selector(bar) in:[Foo class]]
[$ swizzleMethod:@selector(foo) in:[Foo class] with:@selector(bar) in:[Bar class]]
[$ swizzleClassMethod:@selector(foo) with:@selector(bar) in:[Foo class]]
[$ swizzleClassMethod:@selector(foo) in:[Foo class] with:@selector(bar) in:[Bar class]]
路径获取
[$ homePath] // 获取用户主目录路径
[$ desktopPath] // 获取用户桌面路径
[$ documentPath] // 获取用户文档路径
[$ appPath] // 获取应用目录路径
[$ resourcePath] // 获取应用资源目录路径
等待条件 (waitUntil)
用于异步任务测试。
[$ waitUntil:^{ return (BOOL)(someConditionIsMet == YES) }]
[$ waitUntil:^{ return (BOOL)(someConditionIsMet == YES) } timeOut:10.0]
[$ waitUntil:^{ return (BOOL)(someConditionIsMet == YES) } timeOut:10.0 interval:0.1]
单例模式 (Singleton)
创建单例
在您的类接口中添加以下方法,并在实现中使用 $singleton 宏:
@interface Foo
- (id)initSingleton;
+ (Foo *)sharedFoo;
@end
@implementation Foo
$singleton(Foo);
- (id)initSingleton {
// 初始化代码
return self;
}
@end
使用单例
$shared(Foo) // 或 [Foo sharedFoo]
宏 (Macros)
ConciseKit 提供了一系列便捷的宏,用于简化代码编写。
$eql(foo, bar) // 判断两个对象是否相等
$bool(YES) // 转换为 NSNumber
<int>(123) // 转换为 NSNumber
<float>(123.4) // 转换为 NSNumber
3. 项目 API 使用文档
以下是 ConciseKit 的一些常用 API 使用方法:
NSArray
[array $first] // 获取第一个元素
[array $last] // 获取最后一个元素
[array $at:1] // 获取指定索引的元素
[array $each:...] // 遍历数组
[array $map:...] // 转换数组元素
[array $reduce:...] // 数组元素聚合
[array $select:...] // 过滤数组元素
[array $detect:...] // 查找符合条件的第一个元素
[array $join] // 连接数组元素
[array $join:@","] // 使用指定分隔符连接数组元素
NSMutableArray
[array $push:foo] // 添加元素到数组末尾
[array $pop] // 移除数组末尾元素
[array $unshift:foo] // 添加元素到数组开头
[array $shift] // 移除数组开头元素
NSDictionary
[dict $for:@"key"] // 获取指定键的值
[dict $keys] // 获取所有键
[dict $values] // 获取所有值
[dict $each:...] // 遍历字典
[dict $eachWithStop:...] // 遍历字典,支持中断
NSMutableDictionary
[dict $obj:@"value" for:@"key"] // 设置键值对
NSString
[string $append:@"suffix"] // 添加字符串后缀
[string $prepend:@"prefix"] // 添加字符串前缀
[string $split:@","] // 使用逗号分隔字符串
[string $split] // 使用空白字符分隔字符串
NSMutableString
[string $append_:@"suffix"] // 添加字符串后缀
[string $prepend_:@"prefix"] // 添加字符串前缀
[string $insert:@"insert" at:1] // 在指定位置插入字符串
[string $set:@"newString"] // 设置新字符串
4. 项目安装方式
请参考上文“安装指南”中的说明进行项目安装。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust038
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
682
4.35 K
Ascend Extension for PyTorch
Python
523
632
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
167
37
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
306
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
950
896
暂无简介
Dart
926
229
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.57 K
912
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
134
214
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
125
204
昇腾LLM分布式训练框架
Python
144
169