SwiftFormat 新规则:优化集合元素计数方式
2025-05-28 17:59:37作者:尤辰城Agatha
在 Swift 编程语言中,对集合元素进行条件计数是一个常见操作。传统上,开发者可能会使用 filter 方法结合 count 属性来实现这一功能,但 Swift 实际上提供了更高效、更直观的专用方法 count(where:)。
传统计数方式的不足
在 Swift 5 及更早版本中,开发者通常这样编写条件计数代码:
let numbers = [1, 2, 3, 4, 5]
let evenCount = numbers.filter { $0 % 2 == 0 }.count
这种方式虽然功能上可行,但存在两个主要问题:
-
性能问题:
filter方法会创建一个全新的数组,包含所有符合条件的元素,然后才调用count。这意味着即使我们只需要知道数量,也会不必要地分配内存来存储所有匹配元素。 -
代码可读性:这种链式调用虽然灵活,但对于简单的计数操作来说显得冗长,不够直观表达"计数"这一意图。
Swift 6 的改进方案
Swift 6 引入了专门的 count(where:) 方法,它直接计算满足条件的元素数量,而不需要创建中间数组:
let numbers = [1, 2, 3, 4, 5]
let evenCount = numbers.count { $0 % 2 == 0 }
这种写法具有以下优势:
- 更高效:避免了不必要的内存分配,直接在遍历过程中计数。
- 更简洁:代码更短,更直接表达意图。
- 更安全:减少了因中间数组导致的潜在内存问题。
SwiftFormat 的自动化支持
SwiftFormat 0.56.0 版本引入了一个新规则,可以自动将旧式的 filter{...}.count 模式转换为新的 count(where:) 形式。这个规则会:
- 识别代码中所有符合
filter{条件}.count模式的表达式 - 将其重写为
count {条件}形式 - 保持原有逻辑不变,只是优化表达方式
实际应用建议
对于开发者来说,建议:
- 升级到支持 Swift 6 的 Xcode 版本
- 将 SwiftFormat 更新至 0.56.0 或更高版本
- 在项目中启用这一优化规则
- 对于性能敏感的代码部分,优先使用
count(where:)
这种优化虽然看似微小,但在处理大型数据集或频繁调用的代码中,可以带来明显的性能提升和代码质量改进。
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
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868