首页
/ UnitsNet库中QuantityFormatter的可实例化改造

UnitsNet库中QuantityFormatter的可实例化改造

2025-06-28 03:01:10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:

  1. 无法为应用不同部分配置不同的格式化默认值
  2. 静态方法导致无法灵活替换格式化逻辑
  3. 类型参数设计存在优化空间

改进方案

核心改进点包括:

  1. 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
  2. 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
  3. 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:

  1. 多租户应用需要不同的单位显示约定
  2. 需要高性能格式化的场景
  3. 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

项目优选

收起
kernelkernel
deepin linux kernel
C
23
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.26 K
flutter_flutterflutter_flutter
暂无简介
Dart
526
116
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
JavaScript
211
287
nop-entropynop-entropy
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
frameworksframeworks
openvela 操作系统专为 AIoT 领域量身定制。服务框架:主要包含蓝牙、电话、图形、多媒体、应用框架、安全、系统服务框架。
CMake
795
12
RuoYi-Vue3RuoYi-Vue3
🎉 (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
986
582
pytorchpytorch
Ascend Extension for PyTorch
Python
67
97
ops-mathops-math
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++
566
94
GLM-4.6GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
42
0