C# GetField 方法应用实例

目录

关于 C# Type 类

GetField 方法应用

应用举例

心理CT设计题

类设计

DPCT类实现代码

小结


关于 C# Type 类

Type表示类型声明:类类型、接口类型、数组类型、值类型、枚举类型、类型参数、泛型类型定义,以及开放或封闭构造的泛型类型。调用 this.GetType() 方法得到Type对象,可获取成员信息,如方法名、变量名。更多学习请参照以下链接:

Type 类 (System) | Microsoft Learn

本文以数据采集应用实例介绍 Type.GetField 方法的实际应用。

GetField 方法应用

GetField 是获取当前 Type 的特定方法,我们在这里介绍 GetField(String, BindingFlags) 即使用指定的绑定约束搜索指定的字段变量。

其中 string name 表示要搜索的方法名称,System.Reflection.BindingFlags 枚举可见下表:

序号筛选器标志说明
1BindingFlags.Instance 或 BindingFlags.Static 必须指定实例或静态方可有效返回
2BindingFlags.Public搜索当前 Type 中包含的公共方法
3BindingFlags.NonPublic搜索当前 Type 中包含的非公共方法 、私有方法、内部方法和保护方法
4BindingFlags.FlattenHierarchy在层次结构中的包括 public 和 protected 静态成员; private 继承类中的静态成员不包括在层次结构中
5BindingFlags.IgnoreCase忽略方法name的大小写进行搜索
6BindingFlags.DeclaredOnly如果只搜索 Type 声明的方法,则搜索只是继承的方法

应用举例

心理CT设计题

假设我们有一组心理测评题目,共计10题,每题有 A、B、C、D、E、F 共计六个单选项,分六个维度进行计分,各初始维度得分均为0,如果符合条件则+1分,该维度如下表:

序号变量名类型说明
1轻躁狂int其特征包括:气质昂扬,爱说、精力充沛、易怒、思维奔逸、抑郁气短等。 初始值为0
2妄想狂int为了区分那些被判断为具有关系妄想、被害妄想、夸大自我概念、猜疑心、过度地敏感、意见和态度生硬等偏执性人格而制定。初始值为0
3抑郁int抑郁的特征是缺乏干劲,对未来没有希望,一般对自己的生活状况极其不满。 初始值为0
4癔病int癔病的特征是心因性的不随意肌体机能丧失和机能障碍。 初始值为0
5疑病int其特征是对自己的身体健康的一种过度的关心,担心自己有病或不健康。初始值为0
6精神分裂int其特征包括:思维、感情和行为混乱。初始值为0

初始化代码如下:

int 轻躁狂=0;
int 妄想狂=0;
int 抑郁=0;
int 癔病=0;
int 疑病=0;
int 精神分裂=0;

基本的设计如下,通过被测试者对题目的理解,回答其中的选项(单选),则采集后的数据拼接为10个字母组合,如下:

string key1="BACCEDFABCD";

其中 key1 字符串即为被测试者的答案。

建立代码对应维度的字典变量        Dictionary<string, string> descript = new Dictionary<string, string>() ,如下代码:

            descript.Add("A", "轻躁狂");descript.Add("B", "妄想狂");descript.Add("C", "抑郁");descript.Add("D", "癔病");descript.Add("E", "疑病");descript.Add("F", "精神分裂");

建立 Dictionary<string, int> dpct = new Dictionary<string, int>();  字典变量,用于存储模型的运算值(每一题均不同),如下代码:

            dpct.Add("A1", 1);dpct.Add("B1", 1);dpct.Add("C1", 1);dpct.Add("D1", 1);dpct.Add("E1", 1);dpct.Add("F1", 1);dpct.Add("A2", 0);dpct.Add("B2", 0);dpct.Add("C2", 0);dpct.Add("D2", 0);dpct.Add("E2", 0);dpct.Add("F2", 0);dpct.Add("A3", 0);dpct.Add("B3", 1);dpct.Add("C3", 0);dpct.Add("D3", 0);dpct.Add("E3", 0);dpct.Add("F3", 1);dpct.Add("A4", 1);dpct.Add("B4", 0);dpct.Add("C4", 0);dpct.Add("D4", 0);dpct.Add("E4", 1);dpct.Add("F4", 0);dpct.Add("A5", 0);dpct.Add("B5", 1);dpct.Add("C5", 0);dpct.Add("D5", 1);dpct.Add("E5", 1);dpct.Add("F5", 1);dpct.Add("A6", 1);dpct.Add("B6", 1);dpct.Add("C6", 1);dpct.Add("D6", 0);dpct.Add("E6", 1);dpct.Add("F6", 0);dpct.Add("A7", 0);dpct.Add("B7", 0);dpct.Add("C7", 0);dpct.Add("D7", 0);dpct.Add("E7", 1);dpct.Add("F7", 0);dpct.Add("A8", 0);dpct.Add("B8", 1);dpct.Add("C8", 0);dpct.Add("D8", 0);dpct.Add("E8", 0);dpct.Add("F8", 0);dpct.Add("A9", 1);dpct.Add("B9", 1);dpct.Add("C9", 0);dpct.Add("D9", 1);dpct.Add("E9", 1);dpct.Add("F9", 1);dpct.Add("A10", 1);dpct.Add("B10", 1);dpct.Add("C10", 1);dpct.Add("D10", 0);dpct.Add("E10", 1);dpct.Add("F10", 1);

类设计

创建一个 DPCT 类用于计算各维度的得分情况,该类设计如下:

序号成员类型说明
1int 轻躁狂=0;
int 妄想狂=0;
int 抑郁=0;
int 癔病=0;
int 疑病=0;
int 精神分裂=0;
属性6维度初始值,均为0;
2Dictionary<string, string> descript = new Dictionary<string, string>()属性用于选项代码与唯度对应的字典
3Dictionary<string, int> dpct = new Dictionary<string, int>(); 属性存储每题答案对应的计算得分
4string key1="";方法接收用户的答案组合字符串
5public string countScrore()方法计算各维度变量的得分
DPCT类实现代码

完整的DPCT类示例代码如下:

public class DPCT
{int 轻躁狂=0;int 妄想狂=0;int 抑郁=0;int 癔病=0;int 疑病=0;int 精神分裂=0;public string key1 = "";Dictionary<string, string> descript = new Dictionary<string, string>();Dictionary<string, int> dpct = new Dictionary<string, int>();public DPCT(){descript.Add("A", "轻躁狂");descript.Add("B", "妄想狂");descript.Add("C", "抑郁");descript.Add("D", "癔病");descript.Add("E", "疑病");descript.Add("F", "精神分裂");dpct.Add("A1", 1);dpct.Add("B1", 1);dpct.Add("C1", 1);dpct.Add("D1", 1);dpct.Add("E1", 1);dpct.Add("F1", 1);dpct.Add("A2", 0);dpct.Add("B2", 0);dpct.Add("C2", 0);dpct.Add("D2", 0);dpct.Add("E2", 0);dpct.Add("F2", 0);dpct.Add("A3", 0);dpct.Add("B3", 1);dpct.Add("C3", 0);dpct.Add("D3", 0);dpct.Add("E3", 0);dpct.Add("F3", 1);dpct.Add("A4", 1);dpct.Add("B4", 0);dpct.Add("C4", 0);dpct.Add("D4", 0);dpct.Add("E4", 1);dpct.Add("F4", 0);dpct.Add("A5", 0);dpct.Add("B5", 1);dpct.Add("C5", 0);dpct.Add("D5", 1);dpct.Add("E5", 1);dpct.Add("F5", 1);dpct.Add("A6", 1);dpct.Add("B6", 1);dpct.Add("C6", 1);dpct.Add("D6", 0);dpct.Add("E6", 1);dpct.Add("F6", 0);dpct.Add("A7", 0);dpct.Add("B7", 0);dpct.Add("C7", 0);dpct.Add("D7", 0);dpct.Add("E7", 1);dpct.Add("F7", 0);dpct.Add("A8", 0);dpct.Add("B8", 1);dpct.Add("C8", 0);dpct.Add("D8", 0);dpct.Add("E8", 0);dpct.Add("F8", 0);dpct.Add("A9", 1);dpct.Add("B9", 1);dpct.Add("C9", 0);dpct.Add("D9", 1);dpct.Add("E9", 1);dpct.Add("F9", 1);dpct.Add("A10", 1);dpct.Add("B10", 1);dpct.Add("C10", 1);dpct.Add("D10", 0);dpct.Add("E10", 1);dpct.Add("F10", 1);}public string countScrore() {for (int i = 0; i < key1.Length; i++){string anwser = key1.Substring(i, 1);string varname = descript[anwser];FieldInfo fi=this.GetType().GetField(varname, BindingFlags.NonPublic| BindingFlags.Instance);fi.SetValue(this, (int)fi.GetValue(this) + dpct[anwser+(i+1).ToString()]);}}
}

countScore 核心方法取出每一个答案选项字母,根据代码与维度对应关系,取出要计算值的变量名称字符串,然后通过GetField方法查找到变量,并根据模型添加分值。

其基本设计如下图所示:

调用 GetField 方法 得到 FieldInfo 对象,然后 FieldInfo 对象再执行 SetValue 和 GetValue 方法执行增加值操作。

小结

GetField 方法的更多详情介绍,可参考如下链接:

https://learn.microsoft.com/zh-cn/dotnet/api/system.type.getfield?view=net-8.0

类代码在这里仅做为 GetField 方法实例讲解参考,不做为实际的测评数据和测评效果。

感谢您的阅读,希望本文能够对您有所帮助。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/315747.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

新媒体运营-----短视频运营-----PR视频剪辑----视频调色

新媒体运营-----短视频运营-----PR视频剪辑-----持续更新(进不去说明我没写完)&#xff1a;https://blog.csdn.net/grd_java/article/details/138079659 文章目录 1. Lumetri调色&#xff0c;明暗对比度2. Lumetri调色&#xff0c;创意与矢量示波器2.1 创意2.2 矢量示波器 3. L…

前端开发攻略---用原生JS在网页中也能实现语音识别

1、语音识别的过程 语音识别涉及三个过程&#xff1a;首先&#xff0c;需要设备的麦克风接收这段语音&#xff1b;其次&#xff0c;语音识别服务器会根据一系列语法 (基本上&#xff0c;语法是你希望在具体的应用中能够识别出来的词汇) 来检查这段语音&#xff1b;最后&#xf…

纯js对比excel小工具

如何使用JavaScript和xlsx.js实现Excel文件对比&#xff1a;实战指南 在日常办公或数据分析工作中&#xff0c;我们经常需要比较两个Excel文件中的数据差异。手动对比不仅耗时费力&#xff0c;还容易出错。本文将带你通过一个简单的网页应用&#xff0c;利用JavaScript和开源库…

【极速前进】20240422:预训练RHO-1、合成数据CodecLM、网页到HTML数据集、MLLM消融实验MM1、Branch-Train-Mix

一、RHO-1&#xff1a;不是所有的token都是必须的 论文地址&#xff1a;https://arxiv.org/pdf/2404.07965.pdf 1. 不是所有token均相等&#xff1a;token损失值的训练动态。 ​ 使用来自OpenWebMath的15B token来持续预训练Tinyllama-1B&#xff0c;每1B token保存一个che…

GPT学术优化推荐(gpt_academic )

GPT学术优化 (GPT Academic):支持一键润色、一键中英互译、一键代码解释、chat分析报告生成、PDF论文全文翻译功能、互联网信息聚合GPT等等 ChatGPT/GLM提供图形交互界面&#xff0c;特别优化论文阅读/润色/写作体验&#xff0c;模块化设计&#xff0c;支持自定义快捷按钮&…

[iOS]CocoaPods安装和使用

1.了解brew、rvm、ruby、gem、cocaspods之间的关系 在 macOS 环境中&#xff0c;Brew、RVM、Ruby、Gem 和 CocoaPods 之间存在以下关系&#xff1a; Homebrew (Brew)&#xff1a;Homebrew 是 macOS 上的包管理器&#xff0c;用于安装和管理各种开源软件包。它使您能够轻松地从…

基于SpringBoot+Vue校园竞赛管理系统的设计与实现

项目介绍&#xff1a; 传统信息的管理大部分依赖于管理人员的手工登记与管理&#xff0c;然而&#xff0c;随着近些年信息技术的迅猛发展&#xff0c;让许多比较老套的信息管理模式进行了更新迭代&#xff0c;竞赛信息因为其管理内容繁杂&#xff0c;管理数量繁多导致手工进行…

【AIGC调研系列】Sora级别的国产视频大模型-Vidu

Vidu能够达到Sora级别的标准。Vidu被多个来源认为是国内首个Sora级别的视频大模型[2][3][4]。它采用了团队原创的Diffusion与Transformer融合的架构U-ViT&#xff0c;能够生成长达16秒、分辨率高达1080P的高清视频内容[1][6]。此外&#xff0c;Vidu的一致性、运动幅度都达到了S…

HEVC/H.265视频编解码学习笔记–框架及块划分关系

前言 由于本人在学习视频的过程中&#xff0c;觉得分块单元太多搞不清楚其关系&#xff0c;因此本文着重记录这些分块单元的概念以及关联。 一、框架 视频为一帧一帧的图像&#xff0c;其编码的主要核心是压缩空间以及时间上的冗余。因此&#xff0c;视频编码有帧内预测和帧间…

使用docker搭建GitLab个人开发项目私服

一、安装docker 1.更新系统 dnf update # 最后出现这个标识就说明更新系统成功 Complete!2.添加docker源 dnf config-manager --add-repohttps://download.docker.com/linux/centos/docker-ce.repo # 最后出现这个标识就说明添加成功 Adding repo from: https://download.…

uniapp分包,以及通过uni-simple-router进行分包

先说一下uniapp的直接分包方式&#xff0c;很简单&#xff1a; 配置分包信息 打开manifest.json源码视图&#xff0c;添加 “optimization”:{“subPackages”:true} 开启分包优化 我们在根目录下创建一个pagesA文件夹&#xff0c;用来放置需要分包的页面 然后配置路由 运行到…

机器学习:基于Sklearn框架,使用逻辑回归对由心脏病引发的死亡进行预测分析

前言 系列专栏&#xff1a;机器学习&#xff1a;高级应用与实践【项目实战100】【2024】✨︎ 在本专栏中不仅包含一些适合初学者的最新机器学习项目&#xff0c;每个项目都处理一组不同的问题&#xff0c;包括监督和无监督学习、分类、回归和聚类&#xff0c;而且涉及创建深度学…

(八)Servlet教程——创建Web项目以及Servlet的实现

1. 打开Idea编辑器 2. 点击界面上的“新建项目”按钮 3. 设置好项目名称和位置 应用服务器选择之前设置好的Tomcat服务器 构建系统默认选择Maven 4. 点击“下一步”按钮 5. 点击“完成”按钮&#xff0c;Idea就创建好了项目&#xff0c;创建完成后的目录结构如下图所示 6. 此…

共享单车(二):项目日志

stdin, stdout, stderr Linux系统下&#xff0c;当一个用户进程被创建时&#xff0c;与之对应的三个数据流&#xff08;stdin&#xff0c;stdout和stderr&#xff0c;即三个文件&#xff09;也会被创建。 stdin&#xff0c;标准输入文件&#xff0c;通常对应着终端的键盘。 s…

将针孔模型相机 应用到3DGS

Motivation 3DGS 的 投影采用的是 CG系的投影矩阵 P P P, 默认相机的 principal point (相机光心) 位于图像的中点处。但是 实际应用的 绝大多数的 相机 并不满足这样一个设定&#xff0c; 因此我们 需要根据 f , c x , c y {f,c_x, c_y} f,cx​,cy​ 这几个参数重新构建3D …

docker安装【zookeeper】【kafka】【provectuslabs/kafka-ui】记录

目录 1.安装zookeeper:3.9.2-jre-172.安装kafka:3.7.03.安装provectuslabs/kafka-ui &#xff08;选做&#xff09;新环境没有jdk&#xff0c;安装jdk-17.0.10备用 mkdir -p /export/{data,apps,logs,conf,downloads}cd /export/downloadscurl -OLk https://download.oracle.…

Docker搭建Maven仓库Nexus

文章目录 一、简介二、Docker部署三、仓库配置四、用户使用Maven五、管理Docker镜像 一、简介 Nexus Repository Manager&#xff08;简称Nexus&#xff09;是一个强大的仓库管理器。 Nexus3支持maven、docker、npm、yum、apt等多种仓库的管理。 建立了 Maven 私服后&#xf…

中国发布首个汽车大模型标准

&#x1f989; AI新闻 &#x1f680; 中国发布首个汽车大模型标准 摘要&#xff1a;中国信息通信研究院于4月28日发布了国内首个汽车大模型标准&#xff0c;标志着汽车行业正式迈向“人工智能&#xff0b;”时代。该标准包含三个核心能力域&#xff1a;场景丰富度、能力支持度…

Unity 异常 bug

OverlapBoxNonAlloc 使用bug 环境&#xff1a; Unity2021.3.15 在测试场景中使用 OverlapBoxNonAlloc 测试检测没有问题 但是到了真实应用场景&#xff0c;使用 OverlapBoxNonAlloc 检测移动中的小怪 小怪碰撞体为&#xff1a;带有 Rigidbody 的Circle Collider 2D 就会出现异…

了解JRE扩展

一、Java 运行环境的扩展 Java 运行环境提供的类库只是核心类&#xff0c;不可能满足用户的全部需求 将类打包为 jar 包&#xff0c;放入扩展 \jre\lib\ext 中&#xff0c;程序就可以使用 import 语句使用扩展中的类 二、字节码文件压缩成 jar 文件 编译源文件 --> 编写…