TS泛型类型

简介: TS泛型类型

泛型类型(Generic Types)是编程语言中提供的一种强大特性,它允许开发者创建可以适应多种类型的数据结构和算法。在 TypeScript 中,泛型允许我们定义在编译时不知道具体类型的函数、类或接口。通过使用占位符类型(称为类型参数),泛型可以帮助我们编写更加通用、可复用的代码,同时保留静态类型检查的优势。


举例来说,在 TypeScript 中定义一个泛型函数或泛型类:


泛型函数示例:

function identity<T>(arg: T): T {
  return arg;
}

let output1 = identity<string>("Hello World"); // 输出类型为 string
let output2 = identity<number>(42); // 输出类型为 number

在这个例子中,<T> 是一个类型参数,当调用 identity 函数时,我们可以指定 T 为任何类型。

泛型类示例:

class Box<T> {
  value: T;

  constructor(value: T) {
    this.value = value;
  }
}

let stringBox = new Box<string>("Hello");
let numberBox = new Box<number>(42);

// stringBox.value 的类型是 string
// numberBox.value 的类型是 number

在这个 Box 类中,T 是一个泛型类型参数,它代表了存储在 value 属性中的实际类型。创建 Box 类的实例时,我们可以指定 T 为任何类型。


通过这种方式,泛型增强了代码的可复用性和类型安全性,避免了不必要的类型转换和潜在的运行时错误。


更多 TypeScript 中泛型的例子:


泛型函数 - 映射函数

function mapArray<T, U>(array: T[], mapper: (item: T) => U): U[] {
  return array.map(mapper);
}

let numbers = [1, 2, 3, 4, 5];
let strings = mapArray(numbers, (n) => n.toString()); // strings 的类型是 string[]

在这个例子中,mapArray 函数接受一个类型为 T 的数组和一个映射函数,返回一个类型为 U 的数组。在调用时,根据传入的参数类型,编译器能够推断出返回值的类型。


泛型类 - 货币转换器

class CurrencyConverter<CurrencyFrom, CurrencyTo> {
  conversionRate: number;

  constructor(rate: number) {
    this.conversionRate = rate;
  }

  convert(value: number): number {
    return value * this.conversionRate;
  }
}

const usdToEurConverter = new CurrencyConverter<USD, EUR>(0.85);
let convertedAmount = usdToEurConverter.convert(100); // convertedAmount 的类型是 number

这里,CurrencyConverter 类接受两个泛型参数,代表货币类型,虽然这个例子中并未实际利用这些类型参数(只是为了展示泛型类的使用),但在实际开发中,类型参数可以用于限制输入输出的货币类型。

泛型接口 - 键值对集合

interface KeyValuePairs<K, V> {
  [key: K]: V;
}

let myPairs: KeyValuePairs<string, number> = {
  "apple": 1,
  "banana": 2,
  "cherry": 3,
};

此 KeyValuePairs 接口使用了索引签名和泛型,表示它可以存储任意数量的键值对,其中键的类型为 K,值的类型为 V。在实例化时,我们指定了 string 作为键类型,number 作为值类型。

相关文章
|
18天前
|
人工智能 API 网络安全
不用账号不用密钥,DeepSeek Harness 这款插件,一口气打通 13 家大厂模型
这个插件确实好用、也真能白嫖,但有几点你得心里有数。第一,数据是发往各家上游的。插件本身是干净的,数据本地化,但你的对话内容会发到 OpenCode、Kilo 等第三方网关,Kilo 池的上游已明确声明 prompt 可能被记录用于改进服务,所以别拿它处理敏感内容,公司机密、身份证号、密钥这类东西老老实实走付费 API。第二,"免费"是有代价的。它免费是因为把各家新用户或编码助手的免费额度聚合起来了,用量、稳定性都受上游政策影响,不建议用在任何生产或正式业务上。第三,局域网转发别乱开,见上面第 5 点。第四,数据看板数据只留本机、不上传,这点做得挺良心,可以放心用。
360 0
|
4月前
|
存储 人工智能 API
2026年内网RPA离线部署实战:从打包EXE缺依赖到7×24无人值守,8个踩坑记录与完整避坑方案
物理隔离、U盘过安检、服务器不让装Python——内网跑RPA的真实环境远比想象苛刻。本文从一个交付顾问三年二十余个内网项目的实战经验出发,完整梳理了内网离线部署RPA的八大核心难题:真离线与假离线的辨别方法、EXE打包依赖缺失的根治方案、多机脚本同步的管控机制、7×24无人值守的服务器配置、企业批量分发的统一管控、Python依赖嵌入打包的标准流程、离线环境下AI功能的三种替代路径、以及流程源码加密与授权保护的商业交付底线。文末附十项选型对照清单,覆盖API触发、指纹浏览器适配、Agent智能控制、本地OCR、元素智能抓取等差异化能力,帮助个人开发者、工作室及中小企业在零成本起步的前提下
985 0
|
5月前
|
人工智能 自然语言处理 算法
职场人转型AI,先找到原岗位和AI的结合点
2026年职场人转型AI,无需辞职重学!关键在于“原岗位+AI”融合:用熟悉业务场景(如HR简历筛选、运营内容生成、财务票据识别)作为AI落地切口,将经验升级为“AI能力放大器”。推荐考取CAIE认证——聚焦应用、零基础友好、企业认可度高,助你稳扎稳打成为懂业务、会工具、能落地的复合型数智人才。
|
6月前
|
边缘计算 缓存 安全
AIWCLOUD:高防免备案CDN,大陆节点免备、免实。
本文介绍一种“大陆节点免备案、免实名”的高防CDN方案:通过整合非经营性IDC带宽、传输层协议伪装(如端口复用、流量特征抹平),结合硬件指纹零信任准入、边缘动态缓存与TLS加速,实现合规、隐匿、高性能的大陆访问加速。
511 4
|
7月前
|
人工智能 自然语言处理 JavaScript
OpenClaw 一键安装包使用方法与功能体验
OpenClaw一键安装包(v2.6.1)专为Windows 10/11设计,全程可视化操作,内置Python/Node.js等全部依赖,5分钟极速部署。无需命令行,新手友好,支持AI自动化办公与键鼠模拟,内置28万Tokens额度,开箱即用。(239字)
OpenClaw 一键安装包使用方法与功能体验
|
JavaScript 前端开发
js小数运算出现的问题(精度丢失)及解决办法-亲测有效
JavaScript浮点数运算存在精度丢失问题,如0.1+0.2不等于0.3。原因是十进制小数转二进制时可能出现无限循环,导致舍入误差。本文提供一种精度处理方法,通过将小数转为整数运算后再还原,实现加减乘除的精确计算,解决常见浮点运算误差问题。
1616 0
|
API 数据安全/隐私保护 网络架构
API接口
API(应用程序编程接口)是软件间通信的标准方式,通过定义规则和协议,便于开发者构建和集成服务。它通常基于RESTful架构或GraphQL实现,使用HTTP方法进行数据交互。以RESTful API为例,它通过GET、POST、PUT、DELETE等方法执行数据操作。示例中使用Python的requests库调用OpenWeatherMap API获取天气信息,展示了GET请求的实现。实际应用中,API还需结合OAuth 2.0等认证机制保障安全性。
|
算法 安全 数据安全/隐私保护
微信红包尾数0-9技巧控制是真的假的?
微信红包尾数控制的技术真相 1. 红包算法基础原理
|
安全 Linux iOS开发
Cisco Secure Client 5.1.7.122 发布,新增功能概览
Cisco Secure Client 5.1.8.122 (macOS, Linux, Windows & iOS, Andrord) - 远程访问和安全客户端
999 4
Cisco Secure Client 5.1.7.122 发布,新增功能概览
|
机器学习/深度学习 测试技术 知识图谱
DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning论文解读
DeepSeek团队推出了第一代推理模型DeepSeek-R1-Zero和DeepSeek-R1。DeepSeek-R1-Zero通过大规模强化学习训练,展示了卓越的推理能力,但存在可读性和语言混合问题。为此,团队引入多阶段训练和冷启动数据,推出性能与OpenAI-o1-1217相当的DeepSeek-R1,并开源了多个密集模型。实验表明,DeepSeek-R1在多项任务上表现出色,尤其在编码任务上超越多数模型。未来研究将聚焦提升通用能力和优化提示工程等方向。
1264 16