Dart语言中.new构造器简写的常量性探讨
2025-06-28 08:49:01作者:魏献源Searcher
在Dart语言的最新发展中,关于构造器简写语法.new的常量性处理引发了一些有趣的讨论。本文将深入分析这一语法特性的设计考量和技术细节。
构造器简写的基本概念
Dart语言允许开发者使用.new作为构造器的简写形式。这种语法糖使得代码更加简洁,特别是在需要引用构造器但不立即调用的场景下。例如:
class A {}
const c = A.new; // 合法的构造器引用
这种简写形式本质上是对构造器的一种"tear-off"操作,即获取构造器函数的引用而非立即调用它。
常量性约束的争议
在语言规范的最初版本中,.new简写被限定只能用于常量构造器。这意味着只有当对应的类具有无名的常量构造器时,这种简写才能在常量上下文中使用。
然而,这种限制引发了技术上的不一致性:
- 对于常规的构造器tear-off语法(如
A.new),只要不涉及非常量类型,即使构造器本身不是常量,tear-off结果也可以是常量 - 但对于简写形式
.new,却额外增加了构造器必须是常量的限制
技术实现考量
从技术实现角度来看,这种限制是不必要的。构造器tear-off的常量性应该只取决于:
- 是否涉及泛型函数的实例化
- 是否包含非常量类型
构造器本身是否为常量构造器并不应该影响tear-off操作的常量性。因为tear-off只是获取构造器函数的引用,并不实际执行构造过程。
语言设计决策
经过语言团队的讨论,确认最初的规范中要求构造器必须是常量的限制是一个错误,而非有意设计。这可能是从构造器调用(constructor invocation)的规则中错误复制过来的。
因此,语言规范已经移除了这一不必要的限制,使得.new简写的处理与常规构造器tear-off保持一致。这一变更简化了语言规范,也提高了语法特性的一致性。
实际应用影响
这一变更对开发者意味着:
- 现在可以在更多场景下使用
.new简写 - 不再需要担心构造器是否为常量的问题
- 代码可以更加简洁,特别是在需要将构造器作为参数传递时
例如,以下代码现在都是合法的:
class B {
B(); // 非常量构造器
}
const d = B.new; // 现在允许
总结
Dart语言在不断演进过程中,会持续优化和简化其语法特性。.new构造器简写的常量性处理就是一个很好的例子,展示了语言设计如何通过消除不必要的限制来提高一致性和可用性。开发者现在可以更加自由地使用这一特性,而不必担心构造器是否为常量的限制。
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-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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