博客
关于我
设计模式:工厂模式
阅读量:247 次
发布时间:2019-03-01

本文共 1690 字,大约阅读时间需要 5 分钟。

工厂模式(Factory Pattern)是一种软件设计模式,通过将实例化交给工厂来完成,从而隐藏了对象的创建过程。这种模式的核心思想是:不直接使用new操作符创建对象,而是通过工厂来获取对象。工厂模式有两种实现方式,一种是普通工厂模式,另一种是抽象工厂模式。

在Java开发中,工厂模式常用于类的实例化管理。例如,假设我们需要创建不同语言的对象,如中文和英语。我们可以定义一个工厂接口,供具体工厂实现。具体工厂根据所需语言类型返回对应的对象。

工厂模式的实现步骤

  • 定义接口:定义一个接口,声明需要的操作。

  • 实现类:实现接口类,具体实现所需操作。

  • 工厂接口:定义一个工厂接口,声明如何创建对象。

  • 具体工厂:实现工厂接口,根据条件创建对象。

  • 使用工厂:通过工厂获取对象,调用对象的方法。

  • 代码示例

    package basic.datatype.pattern.factory;public interface Person {    void language();}
    package basic.datatype.pattern.factory;public class Chinese implements Person {    @Override    public void language() {        System.out.println("====Chinese====");    }}
    package basic.datatype.pattern.factory;public class English implements Person {    @Override    public void language() {        System.out.println("====English====");    }}
    package basic.datatype.pattern.factory;public class PersonFactory {    public Person getLanguage(String language) {        if (language == null) {            return null;        }        if (language.equalsIgnoreCase("Chinese")) {            return new Chinese();        } else if (language.equalsIgnoreCase("English")) {            return new English();        }        return null;    }}
    package basic.datatype.pattern.factory;public class FactoryPatternTest {    public static void main(String[] args) {        PersonFactory personFactory = new PersonFactory();        Person chineseLanguage = personFactory.getLanguage("chinese");        chineseLanguage.language();        Person englishLanguage = personFactory.getLanguage("english");        englishLanguage.language();    }}

    工厂模式的优点

  • 隐藏对象创建过程:用户无需直接操作new,简化了代码。

  • 灵活性:通过工厂切换对象类型,提升系统的灵活性。

  • 可扩展性:新增语言类型,只需添加对应的工厂和实现类即可。

  • 工厂模式通过抽象化对象的创建过程,降低了代码的耦合度,使系统更加灵活和可维护。

    转载地址:http://qvht.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>