分享.NET系统开发过程中积累的扩展方法

0顶
0踩

2015-08-13 16:39 by 副主编 mengyidan1988 评论(0) 有4700人浏览

c# .Net

.NET 3.5提供的扩展方法特性，可以在不修改原类型代码的情况下扩展它的功能。下面分享的这些扩展方法大部分来自于Code Project或是Stackoverflow，.NET为此还有一个专门提供扩展方法的网站(extensionMethod)。

涵盖类型转换，字符串处理，时间转化，集合操作等多个方面的扩展。

1 TolerantCast 匿名类型转换

这个需求来源于界面中使用BackgroundWorker，为了给DoWork传递多个参数，又不想定义一个类型来完成，于是我会用到TolerantCast方法。参考如下的代码：

//创建匿名类型
var parm = new { Bucket = bucket, AuxiliaryAccIsCheck = chbAuxiliaryAcc.Checked, AllAccountIsCheck = chbAllAccount.Checked };
backgroundWorker.RunWorkerAsync(parm);
 
 private void backgroundWorker_DoWork(object sender, DoWorkEventArgs e)
 {
//解析转换匿名类型
 var parm = e.Argument.TolerantCast(new { Bucket = new RelationPredicateBucket(), AuxiliaryAccIsCheck = false, AllAccountIsCheck = false });

2 ForEach 集合操作

这个方法的定义很简单但也很实用，它的使用方法如下：

var buttons = GetListOfButtons() as IEnumerable<Button>; 
buttons.ForEach(b => b.Click());

扩展方法的源代码定义只有一行，源代码如下：

public static void ForEach<T>(this IEnumerable<T> @enum, Action<T> mapFunction)
{
 foreach (var item in @enum) mapFunction(item);
}

当我想对一个集合中的每个元素执行相同的操作时，常常会借助于此方法实现。
3 Capitalize 字符串首字母大写

直接对字符串操作，将字符串的首字母改成大写，源代码参考如下：

public static string Capitalize(this string word)
{
 if (word.Length <= 1)
 return word;
return word[0].ToString().ToUpper() + word.Substring(1);
}

4 ToDataTable 强类型对象集合转化为DataTable

开发中经常会遇到将List<Entity>转化为DataTable，或是反之将DataTable转化为List<Entity>，stackoverflow上有很多这个需求的代码，参考下面的程序代码：

public static DataTable ToDataTable<T>(this IEnumerable<T> varlist)
 {
 DataTable dtReturn = new DataTable();
// column names 
 PropertyInfo[] oProps = null;
if (varlist == null) return dtReturn;
foreach (T rec in varlist)
 {
 // Use reflection to get property names, to create table, Only first time, others will follow 
 if (oProps == null)
 {
 oProps = ((Type) rec.GetType()).GetProperties();
 foreach (PropertyInfo pi in oProps)
 {
 Type colType = pi.PropertyType;
if ((colType.IsGenericType) && (colType.GetGenericTypeDefinition() == typeof (Nullable<>)))
 {
 colType = colType.GetGenericArguments()[0];
 }
dtReturn.Columns.Add(new DataColumn(pi.Name, colType));
 }
 }
DataRow dr = dtReturn.NewRow();
foreach (PropertyInfo pi in oProps)
 {
 dr[pi.Name] = pi.GetValue(rec, null) == null ? DBNull.Value : pi.GetValue
 (rec, null);
 }
dtReturn.Rows.Add(dr);
 }
 return dtReturn;
 }

5 SetAllValues 给数组中的每个元素赋值

实现给数组中的每个元素赋相同的值。

public static T[] SetAllValues<T>(this T[] array, T value)
{
 for (int i = 0; i < array.Length; i++)
 {
 array[i] = value;
 }
return array;
}

6 ToXml 序列化对象为Xml格式

可以将一个对象序列化为Xml格式的字符串，保存对象的状态。

public static string ToXml<T>(this T o) where T : new()
{
 string retVal;
 using (var ms = new MemoryStream())
 {
 var xs = new XmlSerializer(typeof (T));
 xs.Serialize(ms, o);
 ms.Flush();
 ms.Position = 0;
 var sr = new StreamReader(ms);
 retVal = sr.ReadToEnd();
 }
 return retVal;
}

7 Between 值范围比较

可以判断一个值是否落在区间范围值中。

public static bool Between<T>(this T me, T lower, T upper) where T : IComparable<T>
{
 return me.CompareTo(lower) >= 0 && me.CompareTo(upper) < 0;
}

类似这样的操作，下面的方法是取2个值的最大值。

public static T Max<T>(T value1, T value2) where T : IComparable
{
 return value1.CompareTo(value2) > 0 ? value1 : value2;
}

8 StartDate DueDate 开始值或末值

业务系统中常常会用到时间比较，如果系统是用DateTime.Now变量与DateTime.Today来作比较，前者总是大于后者的，为此需要做一个简单转化，根据需要将值转化为开始值或末值，也就是0点0分0秒，或是23时59分59秒。

public static DateTime ConverToStartDate(this DateTime dateTime)
{
 return new DateTime(dateTime.Year, dateTime.Month, dateTime.Day, 0, 0, 0);
}
public static DateTime ConverToDueDate(this DateTime dateTime)
{
 return new DateTime(dateTime.Year, dateTime.Month, dateTime.Day, 23, 59, 59);
}

9 First Day Last Day 月的第一天或是最后一天

public static DateTime First(this DateTime current)
{
 DateTime first = current.AddDays(1 - current.Day);
 return first;
}
public static DateTime Last(this DateTime current)
{
 int daysInMonth = DateTime.DaysInMonth(current.Year, current.Month);
DateTime last = current.First().AddDays(daysInMonth - 1);
 return last;
}

10 Percent 百分比值

计算前一个数值占后一个数值的百分比，常用于统计方面。

public static decimal PercentOf(this double position, int total)
{
 decimal result = 0;
 if (position > 0 && total > 0)
 result=(decimal)((decimal)position / (decimal)total * 100);
 return result;
}

扩展方法源代码下载：http://files.cnblogs.com/files/JamesLi2015/ExtensionMethod.zip

来自：James Li

来自: James Li

分享到：

0
顶

0
踩

评论共 0 条请登录后发表评论

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

人工智能时代，软件工程师们将会被取代？

我相信人工智能将产生类似工业革命这种效果，人类的生产力得到极大解放。短期来看，人工智能只是辅助我们工作的工具，作为软件工程师需要利用好工具，需要做好持续学习甚至终身学习的准备，需要从繁琐重复的工作中...

程序员的成长课

要了解这一点，可以去看各种薪酬报告，如100 offer 每个季度都会有类似的报告出来，拉勾网也会发布互联网职场生态白皮书，你用“互联网人才流动报告”“开发者薪酬报告”或者“互联网薪资调查”为关键字搜索，能搜到...

IT 行业的创新 - 创新的迷思 (7-8)

通用公司的杰克·韦尔奇也谈到过类似的例子, 已有的销售团队往往不愿意推广颠覆性的新产品, 因为市场没打开, 利润率低。韦尔奇往往组建新的团队来推销，或者把这些利润单独核算。另一个例子: 作为一个小公司, ...

单片机应用编程技巧

最近几年高频电路与数位电路共享相同电路板，构成所谓的混载电路系统似乎有增加的趋势，类似如此的设计经常会造成数位电路动作时，高频电路却发生动作不稳定等现象，其中原因之一是数位电路产生的噪讯，影响高频电路...

走向.NET架构设计--第一章：走向设计

这个过程就好比买衣服：在买衣服的时候，不是从个人的身型和喜好出发，而是先看衣服，然后用衣服来 ” 套 ” 人，难免让人不舒服。　什么是设计　前面闲话了 N 多，来看看什么是设计。有一点，我想有...

单片机学习和应用百问大全

单片机应用编程技巧100问

加的趋势，类似如此的设计经常会造成数位电路动作时，高频电路却发生动作不稳定等现象，其中原因之一是数位电路产生的噪讯，影响高频电路正常动作所致。为了避免上述问题除了设法分割两电路block之外，设计电路板...

修炼一名程序员的职业水准

如果你走到这一步，在你工作的团队中，已经是经常有人向你请教技术问题，经常有人请求你帮忙debug，你已是公认的"高手"了，别得意，因为你仍然是个Coder，为什么这么说呢，你想想，你已深入了解了这个开发环境中的...

单片机应用编程技巧---MCU专家答网友问

Book01--代码整洁之道：程序员的职业素养

有效的学习方法是向高手请教而不是从零开始。专业人士结对工作，还因为这是分享知识的最好途径。专业人士并不会仅凭一己之力从零开始创建知识，而是通过互相结对来学习系统的不同部分和业务。他们明白，尽管每位...

一起谈.NET技术，走向ASP.NET架构设计——第一章：走向设计

这个过程就好比买衣服：在买衣服的时候，不是从个人的身型和喜好出发，而是先看衣服，然后用衣服来”套”人，难免让人不舒服。　什么是设计　前面闲话了N多，来看看什么是设计。有一点，我想有一点大家是认同...

【关于单片机的N多问题】关于单片机的N多问题

06_QLibrary.zip

毕业设计: 基于Densenet + CTC技术的文字检测识别的技术研究

本毕设课题是属于计算机视觉下的目标检测与识别，对象为自然场景下的各种文本信息，通俗的说就是检测识别图片中的文本信息。由于文本的特殊性，本毕设将整个提取信息的过程可以分为检测、识别两个部分。论文对用到的相关技术概念有一定的介绍分析，如机器学习，深度学习，以及各种的网络模型及其工作原理过程。检测部分采用水平检测文本线方式进行文本检测，主要参考了乔宇老师团队的 CTPN 方法，并在正文部分从模型的制作到神经网络的设计实现对系统进行了较为详细的分析介绍。识别部分则采用的是 Densenet + CTC，对于印刷体的文字有较好的识别。

毕业设计基于javaweb的在线答题平台

numpy安装 python get-pip.py

numpy安装 numpy安装 python get-pip.py

基于用户、物品的协同过滤算法.zip

协同过滤算法（Collaborative Filtering）是一种经典的推荐算法，其基本原理是“协同大家的反馈、评价和意见，一起对海量的信息进行过滤，从中筛选出用户可能感兴趣的信息”。它主要依赖于用户和物品之间的行为关系进行推荐。协同过滤算法主要分为两类：基于物品的协同过滤算法：给用户推荐与他之前喜欢的物品相似的物品。基于用户的协同过滤算法：给用户推荐与他兴趣相似的用户喜欢的物品。协同过滤算法的优点包括：无需事先对商品或用户进行分类或标注，适用于各种类型的数据。算法简单易懂，容易实现和部署。推荐结果准确性较高，能够为用户提供个性化的推荐服务。然而，协同过滤算法也存在一些缺点：对数据量和数据质量要求较高，需要大量的历史数据和较高的数据质量。容易受到“冷启动”问题的影响，即对新用户或新商品的推荐效果较差。存在“同质化”问题，即推荐结果容易出现重复或相似的情况。协同过滤算法在多个场景中有广泛的应用，如电商推荐系统、社交网络推荐和视频推荐系统等。在这些场景中，协同过滤算法可以根据用户的历史行为数据，推荐与用户兴趣相似的商品、用户或内容，从而提高用户的购买转化率、活跃度和社交体验。未来，协同过滤算法的发展方向可能是结合其他推荐算法形成混合推荐系统，以充分发挥各算法的优势。

strcmp函数应用.zip

2.py

0顶0踩