博客
关于我
专业素养瞎扯淡
阅读量:755 次
发布时间:2019-03-23

本文共 1158 字,大约阅读时间需要 3 分钟。

高素质程序员素养提升指南:从代码注释到异常处理

成为一个专业的程序员不仅需要高超的技术能力,更需要良好的开发素养。以下是提升专业能力的几大方面。

高素质注释注释是编程中的"思考捕捉器",不仅能提高代码可读性,更能帮助他人理解代码设计理念。以下是注释使用的注意事项和优化建议:

1、在不需要注释的地方使用注释

  • 避免在简单的语句后添加注释,会让其他人感到困惑。
  • 注释应包含足够的上 下文信息,帮助其他开发者理解代码功能。

2、去除不必要的注释注释过多反而会影响代码可读性。通过优化变量和方法命名,使代码更具清晰度。

高素质变量变量命名要简洁明了,使用具有描述性的命名能提升代码可读性。例如:word Preferred over "var"

高素质函数函数划分要严格,保持单一职责原则。传递明确的参数,避免数据污染。

高素质结构(SOLID 原则)遵循单一职责、开放封闭、里氏替换、接口隔离和依赖倒置原则。

高素质异常异常处理使程序更加健壮,掌握掌握基本概念和使用技巧至关重要。

Exception Hierarchy in JavaJava中的异常体系分为Checked和Unchecked两大类。CheckedException适用于开发者能预见的潜在问题。

UncheckedException包含 ArrayIndexOutOfBoundsException, NullPointerException 等常见编程错误。

checked vs uncheckedCheckedException应具备恢复性,如IOException。而UncheckedException通常代表不可恢复的编程错误。

高素质异常处理try-catch-finally结构是日常开发的基础。Java7的AutoCloseable接口提供了更简便的资源释放机制。

资源释放通过try-with-resources方式自动处理资源释放,减少错误和内存泄漏的可能性。

异常传播方法抛出异常时,应确保异常对象包含详实的信息,方便排查问题。

自定义异常不要过度使用自定义异常类。在以下情况下可考虑自定义:

  • 定义新的错误类型。-桥接已有异常类。

UMP计算机领域的用途,自动驾驶中的障碍物检测则需要自定义异常,提供上下文信息。

实用异常处理建议

  • 避免过度捕获异常,减少性能开销。
  • 不要在try-catch中条件语句,会导致代码混乱。

适用场景:

  • DAO层的SQLException应转化为RuntimeException,避免传递给Service层。

编程习惯日期时间验证、输入参数检查等操作不应该依赖异常处理。在性能敏感场景中,使用布尔变量来指示操作成功与否更为合适。

最终,注重代码质量,遵循优秀的编程规范,才能提升开发效率和程序健壮性。

转载地址:http://ncyzk.baihongyu.com/

你可能感兴趣的文章
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>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>