Rhai脚本引擎中的自定义类型派生宏详解
2025-06-12 07:20:47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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
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++
893
677
暂无简介
Dart
802
199
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
350
205
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781