Python:设计模式之模型-视图-控制器-MVC复合模式

简介: Python:设计模式之模型-视图-控制器-MVC复合模式

复合模式:

将两个或更多个模式组合成解决常见或普遍性问题的解决方案

MVC模式工作机制

模型,提供数据和业务逻辑

视图,负责数据展示

控制器,模型和视图的粘合剂


MVC模式术语

模型:声明一个存储和操作数据的类

视图:声明一个类来构建用户界面和显示数据

控制器:声明一个连接模型和视图的类

客户端:声明一个类,更具某些操作来获得某些结果


MVC模式应用场景

1、当需要更改展示方式而不更改业务逻辑

2、多个控制器可以用于使用多个视图来更改用户界面上的展示

3、再次重申,当模型改变时,视图无需改动,因为它们是相互独立的


MVC详细介绍

1、模型-了解应用程序的情况

模型是应用程序的基石,它独立于视图和控制器,而视图和控制器则依赖于模型


2、视图-外观

视图用来将数据展示到接口上,可以独立开发,但不应该包含任何复杂的逻辑

逻辑应该放在控制器或模型中


3、控制器-胶水

控制器用来控制用户在界面上的交互

控制器不应该进行数据库调用或参与数据展示

控制器应该作为模型和视图之间的粘合剂,并且尽可能薄


MVC模式的优点

1、使用MVC,开发人员可以将软件应用程序分为3个主要部分:模型,视图,控制器

有助于提高可维护性,强制松耦合,并降低复杂度

2、MVC允许对前端视图进行独立更改,而后端逻辑无需任何修改或只需进行很少的更改

因此,开发工作仍然可以独立进行

3、类似地,可以更改模型或业务逻辑,而无需对视图进行任何更改

4、可以更改控制器,而不会对视图或者模型造成任何影响

5、MVC有助于招聘具有特定能力的人员,例如平台工程师和UI工程师,

他们可以在自己的专业领域独立工作


代码示例

# -*- coding: utf-8 -*-
class Model(object):
    def get_data(self):
        data = [
            {
                "name": "Tom",
                "age": 23
             },
            {
                "name": "Jack",
                "age": 21
            },
        ]
        return data
class View(object):
    def show_data(self, data):
        for row in data:
            print(row["name"], row["age"])
class Controller(object):
    def __init__(self):
        self.model = Model()
        self.view = View()
    def interface(self):
        data = self.model.get_data()
        self.view.show_data(data)
if __name__ == '__main__':
    controller = Controller()
    controller.interface()
"""
Tom 23
Jack 21
"""

参考

《Python设计模式第2版》第九章 模型-视图-控制器-复合模式

相关文章
|
7天前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费模式分析的深度学习模型
使用Python实现智能食品消费模式分析的深度学习模型
97 70
|
14天前
|
机器学习/深度学习 数据采集 供应链
使用Python实现智能食品库存管理的深度学习模型
使用Python实现智能食品库存管理的深度学习模型
121 63
|
15天前
|
机器学习/深度学习 Python
堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能
本文深入探讨了堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能。文章详细介绍了堆叠的实现步骤,包括数据准备、基础模型训练、新训练集构建及元学习器训练,并讨论了其优缺点。
33 3
|
15天前
|
机器学习/深度学习 算法 数据挖掘
线性回归模型的原理、实现及应用,特别是在 Python 中的实践
本文深入探讨了线性回归模型的原理、实现及应用,特别是在 Python 中的实践。线性回归假设因变量与自变量间存在线性关系,通过建立线性方程预测未知数据。文章介绍了模型的基本原理、实现步骤、Python 常用库(如 Scikit-learn 和 Statsmodels)、参数解释、优缺点及扩展应用,强调了其在数据分析中的重要性和局限性。
36 3
|
9天前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费习惯分析的深度学习模型
使用Python实现智能食品消费习惯分析的深度学习模型
108 68
|
5天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费市场分析的深度学习模型
使用Python实现智能食品消费市场分析的深度学习模型
68 36
|
1天前
|
机器学习/深度学习 数据采集 搜索推荐
使用Python实现智能食品消费偏好预测的深度学习模型
使用Python实现智能食品消费偏好预测的深度学习模型
35 23
|
2天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费习惯预测的深度学习模型
使用Python实现智能食品消费习惯预测的深度学习模型
34 19
|
3天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费趋势分析的深度学习模型
使用Python实现智能食品消费趋势分析的深度学习模型
41 18
|
6天前
|
机器学习/深度学习 数据采集 供应链
使用Python实现智能食品消费需求预测的深度学习模型
使用Python实现智能食品消费需求预测的深度学习模型
32 10