Rhai脚本引擎中的自定义类型派生宏详解
2025-06-12 09:19:56作者:邵娇湘
Rhai是一款轻量级嵌入式脚本语言,最近在其最新版本中引入了一个强大的新特性——CustomType派生宏。这个特性极大地简化了在Rhai中注册自定义类型API的过程,让开发者能够更专注于业务逻辑而非繁琐的API绑定工作。
派生宏的基本用法
要使用这个特性,首先需要为你的类型添加必要的派生实现:
use rhai::{CustomType, TypeBuilder};
#[derive(Debug, Clone)] // 自定义类型必须实现Debug和Clone
#[derive(CustomType)] // 自动实现CustomType trait
struct MyStruct {
field1: i64,
field2: String,
}
这个简单的声明就会自动为你的类型生成基本的getter和setter方法,使其可以在Rhai脚本中被访问和修改。
属性配置详解
Rhai提供了丰富的属性配置选项,让你可以精细控制类型在脚本中的行为表现。这些属性都使用rhai_type作为前缀,后接具体的配置项:
#[derive(CustomType)]
#[rhai_type(name = "MyRenamedType")] // 重命名类型在脚本中的显示名称
struct OriginalName {
#[rhai_type(skip)] // 跳过此字段,不在脚本中暴露
internal_data: i64,
#[rhai_type(readonly)] // 只读字段,只生成getter
immutable_value: String,
#[rhai_type(name = "alias")] // 字段重命名
original_name: bool,
#[rhai_type(get = Self::custom_getter)] // 自定义getter方法
custom_field: i64,
}
高级功能
除了基本的字段控制外,派生宏还支持一些高级功能:
- 自定义getter/setter:可以指定特定的方法作为字段的访问器
impl MyStruct {
pub fn custom_getter(&self) -> i64 {
self.custom_field * 2 // 返回处理后的值
}
}
- 后处理钩子:通过
extra属性可以在类型注册完成后添加额外的API
#[derive(CustomType)]
#[rhai_type(extra = Self::add_extra_api)]
struct ExtendedType {
// 字段定义...
}
impl ExtendedType {
fn add_extra_api(builder: &mut TypeBuilder<Self>) {
builder.register_fn("extra_method", |obj: &mut Self| {
// 自定义方法实现
});
}
}
- 元组结构体支持:派生宏同样支持元组结构体,字段会自动命名为field0、field1等
#[derive(CustomType)]
struct TupleStruct(i64, String);
设计考量
Rhai团队在设计这个特性时做了几个关键决策:
-
属性命名:最终选择了
rhai_type前缀,既保持了足够长度以避免与其他库冲突,又不至于过于冗长。 -
枚举支持:暂时没有实现枚举的自动派生,因为Rhai本身的值系统已经是一个开放的枚举类型,直接使用可能不够直观。
-
类型安全:所有自定义的getter/setter方法都要求符合Rhai的类型系统规范,确保脚本交互的安全性。
最佳实践
在实际项目中,建议:
- 优先使用派生宏而非手动实现,可以减少样板代码
- 对于复杂字段访问逻辑,使用自定义getter/setter
- 利用
extra属性添加类型相关的方法 - 为重要的自定义类型添加有意义的显示名称
这个特性的引入大大降低了在Rhai中使用自定义类型的门槛,使得Rhai作为嵌入式脚本语言的易用性又上了一个新的台阶。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
操作系统概念第六版PDF资源全面指南:适用场景与使用教程 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
477
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
375
3.22 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
615
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258