ابتدائی متغیر پر مبنی ازگر میں متحرک طریقہ اوورلوڈنگ

مشروط طریقہ کار میں عبور حاصل کرنا ازگر میں اوورلوڈنگ

ازگر ایک متحرک طور پر ٹائپ شدہ زبان ہے ، لیکن بعض اوقات ہمیں کوڈ کی وشوسنییتا کو یقینی بنانے کے لئے سخت قسم کے انداز کی ضرورت ہوتی ہے۔ ایک عام منظر اس وقت ہوتا ہے جب کسی طریقہ کی واپسی کی قسم ابتدائی متغیر پر منحصر ہوتی ہے ، جیسے `ووڈ ڈیٹا اور` کنکریٹیٹا a کے درمیان انتخاب کرنا۔

ایک ایسے منظر نامے کا تصور کریں جہاں ایک تعمیراتی کمپنی مختلف مادی ڈیٹا کو سنبھالنے کے لئے سافٹ ویئر کا استعمال کرتی ہے۔ اگر مواد "لکڑی" ہے تو ، نظام کو `ووڈ ڈیٹا` واپس کرنا چاہئے۔ بصورت دیگر ، اسے `concretedata` واپس کرنا چاہئے۔ تاہم ، کسی ایک طریقہ کی وضاحت کرنا جو یونین کی قسم کے استعمال کیے بغیر واپسی کی قسم کو صحیح طریقے سے داخل کرتا ہے مشکل ہوسکتا ہے۔ 🏗

اگرچہ عام اقسام کسی حل کی طرح محسوس ہوسکتی ہیں ، لیکن جب وہ متعدد طریقوں کو مختلف مشروط ڈیٹا کی اقسام کو واپس کرنے کی ضرورت ہوتی ہے تو وہ بوجھل بن سکتے ہیں۔ الگ الگ ذیلی طبقات کا استعمال ایک اور نقطہ نظر ہے ، لیکن ایک ہی طبقے کو برقرار رکھنا زیادہ خوبصورت اور موثر ہوگا۔

اس مضمون میں یہ دریافت کیا گیا ہے کہ کس طرح انفورسائزیشن متغیر کی بنیاد پر طریقوں کو اوورلوڈ کرنے کا طریقہ ہے جبکہ قسم کا تخمینہ درست رکھتے ہیں۔ ہم صاف اور برقرار رکھنے والے کوڈ کو یقینی بناتے ہوئے عملی حل میں غوطہ لگائیں گے۔ آئیے شروع کریں! 🚀

قسم کے تخمینے کے ساتھ ازگر میں اوورلوڈنگ کے طریقہ کار کو سمجھنا

ازگر ، متحرک طور پر ٹائپ شدہ زبان ہونے کے ناطے ، جاوا یا سی ++ کی طرح اوورلوڈنگ کے طریقہ کار کی حمایت نہیں کرتا ہے۔ تاہم ، فائدہ اٹھا کر اشارے ٹائپ کریں اور @اوور لوڈ سے سجاوٹ ٹائپنگ ماڈیول ، ہم اسی طرح کی فعالیت کو حاصل کرسکتے ہیں۔ ہم نے تیار کردہ اسکرپٹس کو ابتدائی متغیر کی بنیاد پر ، کسی طریقہ سے مختلف اقسام کو واپس کرنے کے مسئلے سے نمٹا ہے۔ یہ خاص طور پر ایسے منظرناموں میں مفید ہے جہاں کسی شے کو غیر ضروری قسم کی یونینوں کے بغیر مخصوص ڈیٹا ڈھانچے کو واپس کرنے کی ضرورت ہوتی ہے۔

پہلے حل میں ، ہم استعمال کرتے ہیں @اوور لوڈ ڈیکوریٹر کے لئے متعدد دستخطوں کی وضاحت کرنے کے لئے get_data () طریقہ یہ یقینی بناتا ہے کہ ٹائپ چیکرس کو پسند کریں mypy ابتدائی متغیر کی بنیاد پر واپسی کی صحیح قسم کا اندازہ لگا سکتا ہے۔ جب ایک مثال فو ڈیٹا کی قسم کے طور پر "لکڑی" کے ساتھ تخلیق کیا گیا ہے ، get_data () کی ایک مثال لوٹاتا ہے ووڈ ڈیٹا، اور اسی طرح ، یہ لوٹتا ہے Concretedata جب "کنکریٹ" کے ساتھ شروع کیا جائے۔ اس نقطہ نظر میں بہتری آتی ہے کوڈ پڑھنے کی اہلیت اور ابتدائی مرحلے میں ممکنہ غلطیوں کو پکڑنے میں مدد کرتا ہے۔

دوسرے نقطہ نظر میں ، ہم نے متعارف کرایا جنرکس کلاس کو مزید لچکدار بنانے کے ل. استعمال کرکے ٹائپور اور عام [t]، ہم نے اپنی کلاس کو ایک مخصوص ڈیٹا کی قسم کے ساتھ پیرامیٹرائز کرنے کی اجازت دی۔ دوبارہ استعمال کے قابل کوڈ کے ساتھ کام کرتے وقت یہ ایک طاقتور تکنیک ہے ، کیونکہ لچک کو برقرار رکھتے ہوئے یہ مضبوط ٹائپنگ کے قابل بناتا ہے۔ مثال کے طور پر ، ایک حقیقی دنیا کے منظر نامے میں ، اگر کسی معمار کے سافٹ ویئر کو منتخب کردہ تعمیراتی مواد کے لحاظ سے مختلف مادی خصوصیات کی ضرورت ہوتی ہے تو ، اس نقطہ نظر سے اعداد و شمار کی غلط اقسام کو استعمال ہونے سے روکا جاسکتا ہے۔

آخر میں ، ہم نے نافذ کیا یونٹ ٹیسٹ ہمارے حل کی توثیق کرنا۔ استعمال کرتے ہوئے ناقابل شکست فریم ورک ، ہم نے اس بات کو یقینی بنایا کہ ہمارے اوورلوڈ طریقوں سے متوقع واقعات کو صحیح طریقے سے لوٹائیں۔ یہ جانچ کا عمل پیداواری سطح کے کوڈ میں ضروری ہے ، خاص طور پر جب مشروط واپسی کی اقسام کے ساتھ کام کریں۔ ایک حقیقی دنیا کی مشابہت ایک انوینٹری سسٹم ہوگا جو اس بات کو یقینی بناتا ہے کہ لکڑی کی مصنوعات کو کبھی غلطی سے ٹھوس مواد کے تحت درجہ بندی نہیں کیا جاتا ہے۔ طریقہ اوورلوڈنگ ، جنرک اور یونٹ ٹیسٹوں کو جوڑ کر ، ہم نے ایک مضبوط حل تیار کیا جو قسم کی حفاظت اور برقرار رکھنے میں اضافہ کرتا ہے۔ 🚀

from typing import Literal, overload
DATA_TYPE = Literal["wood", "concrete"]
class WoodData:
    def __str__(self):
        return "Wood data object"
class ConcreteData:
    def __str__(self):
        return "Concrete data object"
class Foo:
    def __init__(self, data_type: DATA_TYPE) -> None:
        self.data_type = data_type
    @overload
    def get_data(self) -> WoodData: ...
    @overload
    def get_data(self) -> ConcreteData: ...
    def get_data(self):
        if self.data_type == "wood":
            return WoodData()
        return ConcreteData()
foo_wood = Foo("wood")
foo_concrete = Foo("concrete")
print(foo_wood.get_data())  # Outputs: Wood data object
print(foo_concrete.get_data())  # Outputs: Concrete data object

from typing import TypeVar, Generic, Literal
DATA_TYPE = Literal["wood", "concrete"]
T = TypeVar("T", bound="BaseData")
class BaseData:
    pass
class WoodData(BaseData):
    def __str__(self):
        return "Wood data object"
class ConcreteData(BaseData):
    def __str__(self):
        return "Concrete data object"
class Foo(Generic[T]):
    def __init__(self, data_type: DATA_TYPE) -> None:
        self.data_type = data_type
    def get_data(self) -> T:
        if self.data_type == "wood":
            return WoodData()  # type: ignore
        return ConcreteData()  # type: ignore
foo_wood = Foo[WoodData]("wood")
foo_concrete = Foo[ConcreteData]("concrete")
print(foo_wood.get_data())  # Outputs: Wood data object
print(foo_concrete.get_data())  # Outputs: Concrete data object

import unittest
class TestFoo(unittest.TestCase):
    def test_wood_data(self):
        foo = Foo("wood")
        self.assertIsInstance(foo.get_data(), WoodData)
    def test_concrete_data(self):
        foo = Foo("concrete")
        self.assertIsInstance(foo.get_data(), ConcreteData)
if __name__ == "__main__":
    unittest.main()

اعلی درجے کا طریقہ اوورلوڈنگ اور ٹائپ سے محفوظ ازگر کوڈ

جب پیچیدہ ازگر ایپلی کیشنز پر کام کرتے ہو تو ، اس بات کو یقینی بنانا کہ طریقوں کو لوٹائیں صحیح ڈیٹا کی قسم برقرار رکھنے کے لئے ضروری ہے کوڈ کی وضاحت اور رن ٹائم غلطیوں کو روکنا۔ ڈویلپرز کو سب سے بڑا چیلنج درپیش ہے کہ قسم کا تخمینہ عین مطابق رکھیں۔ یہ خاص طور پر ان حالات میں متعلقہ ہے جہاں کسی کلاس کو ابتدائی متغیر کی بنیاد پر مختلف اشیاء کو واپس کرنے کی ضرورت ہوتی ہے۔

اس مسئلے کے لئے کم سے کم دریافت نقطہ نظر میں ازگر کا استعمال کرنا شامل ہے ڈیٹاکلاس طریقہ اوورلوڈنگ کے ساتھ۔ استعمال کرکے @dataclass بوائلر پلیٹ کوڈ کو کم کرتے ہوئے آبجیکٹ کی تخلیق کو آسان بناتا ہے اور قسم کے اشارے نافذ کرتا ہے۔ مثال کے طور پر ، متعدد کنسٹرکٹرز کو دستی طور پر بیان کرنے کے بجائے ، ہم صحیح قسم کو متحرک طور پر پیدا کرنے کے لئے ڈیفالٹ فیکٹری طریقوں کے ساتھ ایک واحد ڈیٹا کلاک استعمال کرسکتے ہیں۔

ایک اور تنقیدی غور یہ ہے کارکردگی کی اصلاح. بڑے پیمانے پر ایپلی کیشنز میں ، ضرورت سے زیادہ قسم کی جانچ پڑتال اور مشروط منطق عملدرآمد کو کم کر سکتی ہے۔ ازگر کا فائدہ اٹھا کر @cached_property، ہم اس بات کو یقینی بناسکتے ہیں کہ صحیح ڈیٹا کی قسم ایک بار طے کی جاتی ہے اور موثر انداز میں دوبارہ استعمال کی جاتی ہے۔ اس سے بے کار کمپیوٹوں کو کم کیا جاتا ہے ، جس سے ہمارے کوڈ کو صاف ستھرا اور تیز تر بنایا جاتا ہے۔ 🚀