You-Dont-Need-Lodash-Underscore 项目中 _.pick 方法的正确使用方式
2025-05-11 15:52:29作者:伍希望
You-Dont-Need-Lodash-Underscore
List of JavaScript methods which you can use natively + ESLint Plugin
在 JavaScript 开发中,对象属性提取是一个常见操作。Lodash 和 Underscore 库提供了 _.pick 方法来简化这一过程,但很多开发者可能没有意识到其与原生 JavaScript 解构赋值的差异。
_.pick 方法的行为特点
_.pick 方法的主要功能是从对象中提取指定的属性。其核心特点是:
- 只提取对象中实际存在的属性
- 对于不存在的属性,不会在结果对象中创建对应键
- 返回一个新对象,不影响原对象
解构赋值的不同行为
原生 JavaScript 的解构赋值虽然也能实现类似功能,但行为上有显著差异:
- 会为所有解构的变量创建对应键
- 不存在的属性会被赋值为 undefined
- 这种差异可能导致意外的结果
实际案例对比
考虑以下代码示例:
const schema = { a: 1, b: '2' };
// 使用 _.pick
const lodashResult = _.pick(schema, ['a', 'c']);
// 输出: { a: 1 }
// 使用解构赋值
const { a, c } = schema;
const nativeResult = { a, c };
// 输出: { a: 1, c: undefined }
这个例子清晰地展示了两种方式的区别。当处理可选但非空值时,_.pick 的行为通常更符合预期。
正确的替代方案
如果需要完全替代 _.pick 的功能,应该使用更精确的原生实现:
function pick(object, keys) {
return keys.reduce((obj, key) => {
if (object.hasOwnProperty(key)) {
obj[key] = object[key];
}
return obj;
}, {});
}
这种方法更忠实地复制了 _.pick 的行为,避免了不必要的 undefined 值。
开发建议
在实际开发中,选择哪种方式取决于具体需求:
- 如果需要严格匹配 Lodash 的行为,应该使用上述替代函数
- 如果接受 undefined 值的存在,可以使用解构赋值
- 考虑代码的可读性和维护性,明确表达意图
理解这些差异有助于开发者写出更健壮、可预测的代码,避免潜在的错误。
You-Dont-Need-Lodash-Underscore
List of JavaScript methods which you can use natively + ESLint Plugin
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0147- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
785
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
433
391
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++
996
1 K
昇腾LLM分布式训练框架
Python
166
197
暂无简介
Dart
983
249
deepin linux kernel
C
29
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.14 K
146