UnitsNet库中QuantityFormatter的可实例化改造
2025-06-28 23:22:33作者:韦蓉瑛
在UnitsNet这个强大的.NET单位转换库中,QuantityFormatter类负责将各种物理量格式化为字符串。本文将深入探讨对该类进行的一项重要改进——使其支持实例化创建,而不仅仅是静态方法调用。
背景与现状
当前版本的QuantityFormatter主要提供静态Format方法,这些方法内部依赖于一个默认的UnitAbbreviationsCache实例。这种设计存在几个局限性:
- 无法为应用不同部分配置不同的格式化默认值
- 静态方法导致无法灵活替换格式化逻辑
- 类型参数设计存在优化空间
改进方案
核心改进点包括:
- 实例化支持:允许通过构造函数创建QuantityFormatter实例,并传入自定义的UnitAbbreviationsCache
- 性能优化:将泛型参数从IQuantity改为直接使用TQuantity,避免值类型的装箱操作
- API调整:逐步废弃旧的静态方法,推荐使用实例方法
新的API签名将变为:
public string Format<TQuantity>(TQuantity quantity, string? format, IFormatProvider? formatProvider)
where TQuantity : IQuantity
技术细节
类型参数优化
原设计使用IQuantity接口会导致值类型装箱,新设计直接约束为TQuantity : IQuantity,既保持了类型安全又避免了性能损耗。
向后兼容
虽然计划废弃旧的静态方法,但会保留它们作为对Default实例的转发调用,确保现有代码不会立即中断。
配置集成
改进后的QuantityFormatter将与UnitsNetSetup集成,允许通过UnitsNetSetup.Default.QuantityFormatter全局访问默认实例,同时也支持创建自定义实例。
应用场景
这项改进特别适合以下场景:
- 多租户应用需要不同的单位显示约定
- 需要高性能格式化的场景
- 需要mock格式化器进行单元测试的情况
总结
通过对QuantityFormatter的实例化改造,UnitsNet库在保持易用性的同时,提供了更大的灵活性和更好的性能。这一改进遵循了现代.NET库的设计原则,使开发者能够更精细地控制单位格式化的行为。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869