深入理解 funcool/lentes:Clojure(script) 中的函数式镜头库
2025-07-10 21:43:34作者:袁立春Spencer
什么是函数式镜头(Lenses)?
函数式镜头是一种强大的函数式编程抽象,它允许开发者以声明式的方式访问和修改嵌套数据结构。funcool/lentes 是一个为 Clojure 和 ClojureScript 设计的镜头实现库,其设计灵感来源于 transducer 模式。
核心概念
镜头的基本组成
每个镜头由两个核心函数组成:
- 获取函数(getter):从数据结构中提取特定部分
- 设置函数(setter):以不可变方式修改数据结构中的特定部分
(defn my-getter [state] (:foo state))
(defn my-setter [state f] (update state :foo f))
基础操作
lentes 提供了三个核心操作函数:
focus:获取镜头聚焦的值put:设置镜头聚焦的值over:对镜头聚焦的值应用函数
(require '[lentes.core :as l])
(def mylens (l/lens my-getter my-setter))
(l/focus mylens data) ; 获取值
(l/over mylens inc data) ; 修改值
(l/put mylens 42 data) ; 设置值
内置镜头类型
1. 基础镜头
id:最简单的镜头,聚焦整个数据结构
(l/focus l/id [1 2 3]) ; => [1 2 3]
2. 序列镜头
fst:聚焦序列的第一个元素snd:聚焦序列的第二个元素nth:聚焦序列的第n个元素
(l/focus l/fst [1 2 3]) ; => 1
(l/over (l/nth 2) inc [1 2 3]) ; => [1 2 4]
3. 关联数据结构镜头
key:聚焦map中的特定键select-keys:聚焦map中的多个键in:聚焦嵌套数据结构中的路径
(l/focus (l/key :a) {:a 1 :b 2}) ; => 1
(l/focus (l/in [:a :b]) {:a {:b {:c 42}}}) ; => {:c 42}
4. 条件镜头
passes:只有当值满足谓词条件时才聚焦
(l/focus (l/passes even?) 2) ; => 2
(l/focus (l/passes even?) 1) ; => nil
高级特性
1. 镜头组合
镜头可以像函数一样组合,组合顺序从左到右:
(def my-lens (comp l/fst (l/nth 2)))
(l/focus my-lens [[0 1 2] [3 4 5]]) ; => 2
2. 单位转换镜头
units 组合子允许创建单位转换镜头:
(defn sec->min [sec] (/ sec 60))
(defn min->sec [min] (* min 60))
(def mins (l/units sec->min min->sec))
(l/focus mins 120) ; => 2
3. 原子集成
lentes 可以与 Clojure 原子无缝集成,创建派生原子(materialized views):
(def state1 (atom {:foo 1 :bar 1}))
(def state2 (l/derive (l/key :foo) state1))
(swap! state2 inc)
@state1 ; => {:foo 2 :bar 1}
派生原子具有惰性求值和智能更新的特性,非常适合用于状态管理和UI渲染优化。
实际应用场景
- 状态管理:在复杂应用状态中创建聚焦视图
- 数据转换:声明式地处理嵌套数据结构
- UI组件:使组件只关注与其相关的状态部分
- 配置管理:安全地访问和修改深层配置
设计哲学
lentes 遵循以下设计原则:
- 美观优于丑陋
- 显式优于隐式
- 简单优于复杂
- 复杂优于晦涩
- 可读性很重要
总结
funcool/lentes 提供了一种优雅的方式来处理Clojure中的嵌套数据结构访问和修改。通过镜头抽象,开发者可以:
- 以声明式方式操作数据
- 安全地处理嵌套结构
- 创建可组合的数据视图
- 实现高效的状态管理
对于任何需要处理复杂数据结构的Clojure项目,lentes都是一个值得考虑的强大工具。
登录后查看全文
热门项目推荐
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
暂无简介
Dart
668
154
Ascend Extension for PyTorch
Python
218
236
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++
660
305
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
257
322
🔥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
63
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
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866