UnitsNet库中QuantityFormatter的可实例化改造
2025-06-28 08:12:42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
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
570
3.84 K
Ascend Extension for PyTorch
Python
380
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++
894
677
暂无简介
Dart
803
198
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
353
207
昇腾LLM分布式训练框架
Python
119
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