Rust @绑定(Rust@绑定)(在模式匹配的同时将值绑定到变量)

文章目录

      • Rust中的`@`绑定
        • 基础概念
          • 示例:基本模式匹配
        • `@`绑定的使用
          • 示例:范围匹配并绑定变量
        • 深入探索`@`绑定的好处
          • 示例:复杂数据结构中的应用
        • 总结
      • 附加

Rust中的@绑定

Rust 语言以其强类型系统和内存安全的特性著称。在进行模式匹配时,Rust 提供了一系列强大的工具,其中@绑定是一个特别有用的特性,它允许在匹配模式的同时将值绑定到变量。本文将深入探讨@绑定的用法及其在Rust编程中的应用。

基础概念

在Rust中,模式匹配通常用于match表达式和某些if let语句中。模式匹配不仅仅是简单地检查一个值是否符合某个形式,更多的是可以在检查过程中抽取值或部分值。

示例:基本模式匹配
// 测试代码
#![allow(dead_code)] // 忽略全局dead code,放在模块开头!
#![allow(unused_variables)] // 忽略未使用变量,放在模块开头!// #[derive(Debug)]fn main() {enum Color {RGB(i32, i32, i32),HSV(i32, i32, i32),}let color = Color::RGB(122, 17, 40);match color {Color::RGB(r, g, b) => println!("Red: {}, Green: {}, Blue: {}", r, g, b),Color::HSV(h, s, v) => println!("Hue: {}, Saturation: {}, Value: {}", h, s, v),}
}

在这里插入图片描述

上述代码中,通过模式匹配不同的枚举变体,可以提取出各自的字段值。

@绑定的使用

@符号允许在执行模式匹配的同时,将匹配到的值绑定到一个新的变量。这对于需要在匹配某个范围或复杂模式的同时,还需要使用到该值的情况非常有用。

示例:范围匹配并绑定变量
// 测试代码
#![allow(dead_code)] // 忽略全局dead code,放在模块开头!
#![allow(unused_variables)] // 忽略未使用变量,放在模块开头!// #[derive(Debug)]fn main() {fn test_id(id: i32) {match id {e @ 1..=5 => println!("Early id: {}", e),l @ 6..=10 => println!("Later id: {}", l),_ => println!("Other id"),}}test_id(3);test_id(7);
}

在这里插入图片描述

在这个例子中,如果id的值落在15的范围内,不仅会匹配这个范围,还会将id的值绑定到变量e上。同样的,610的范围会绑定到变量l上。这样做可以直接在打印语句中使用这些变量。

深入探索@绑定的好处

使用@绑定的一个主要好处是它提供了代码的简洁性和灵活性。在需要对匹配到的值进一步操作时,这一特性尤其有用。比如,可以在模式匹配后直接对这些值进行计算或逻辑判断,而不需要再次解构或访问原始数据结构。

示例:复杂数据结构中的应用

假设有一个游戏中的角色状态描述枚举:

// 测试代码
#![allow(dead_code)] // 忽略全局dead code,放在模块开头!
#![allow(unused_variables)] // 忽略未使用变量,放在模块开头!// #[derive(Debug)]fn main() {enum CharacterState {Attacking { damage: i32, crit_chance: f32 },Defending { blocked: bool },Moving { speed: f32 },}let state = CharacterState::Attacking {damage: 30,crit_chance: 0.15,};match state {CharacterState::Attacking {damage,crit_chance: c @ 0.1..=0.2,} => {println!("Attack with {} damage and {}% critical chance",damage,c * 100.0)}_ => println!("Other actions"),}
}

在这里插入图片描述

在这里插入图片描述

在这个例子中,当角色处于攻击状态且暴击几率在10%20%之间时,将暴击几率绑定到变量c并在输出中使用。这样的写法既清晰又直接,极大地提高了代码的可读性和维护性。

总结

@绑定是Rust模式匹配中一个非常强大的特性,它扩展了模式匹配的用途,使得在匹配过程中可以更灵活地处理数据。通过上述示例和解析,可以看到@绑定如何在实际编程中提供便利和效率,是Rust语言中不可或缺的一个工具。

附加

另外还有一些语法糖,以及@绑定新特性,可以参考文章:《Rust语言圣经》Rust教程笔记19:2.Rust基础入门(2.6模式匹配)2.6.4全模式列表(查询用)

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/468718.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

JVM知识点大全(未完...)

JVM运行时数据区域 堆 堆是Java虚拟机中用于存储对象的主要区域,包括字符串常量池。绝大多数对象都是在堆中创建的(少部分对象可能会在栈上分配)。为了更好地进行垃圾回收,堆被划分为年轻代和老年代两部分。年轻代又被进一步分为E…

Nginx(编译)+Lua脚本+Redis 实现自动封禁访问频率过高IP

1.安装lua 1.1安装LuaJIT yum install readline-devel mkdir -p lua-file cd lua-file/ wget https://github.com/LuaJIT/LuaJIT/archive/refs/tags/v2.0.5.tar.gz tar -zxvf LuaJIT-2.0.5.tar.gz cd LuaJIT-2.0.5 make && make install PREFIX/usr/local/luajit 1.2…

Transformer-GRU、Transformer、CNN-GRU、GRU、CNN五模型多变量回归预测

Transformer-GRU、Transformer、CNN-GRU、GRU、CNN五模型多变量回归预测 目录 Transformer-GRU、Transformer、CNN-GRU、GRU、CNN五模型多变量回归预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 Transformer-GRU、Transformer、CNN-GRU、GRU、CNN五模型多变量回归预…

Java - SpringBoot之logback设置日期分割并设置指定时间自动清除,Linux启动运行

一、SpringBoot之logback-spring.xml配置 在Spring Boot中,要设置日志按照日期进行分割输出,并设置日志文件的大小自动清除,可以使用logback日志框架的配置 1、创建文件 在项目的resources目录下,创建logback-spring.xml文件 …

window11安装elasticsearch+Kibana

1、下载elasticsearch与elasticsearch 下载elasticsearch 查看elasticsearch对应的Kibana版本 下载elasticsearch解压后文件目录如下 可执行脚本文件,包括启动elasticsearch服务、插件管理、函数命令等 bin配置文件目录,如elasticsearch配置、角色配置、jvm配置等 conf 默认…

【HCIP园区网综合拓扑实验】配置步骤与详解(已施工完毕)

一、实验要求 实验拓扑图如上图所示 1、按照图示的VLAN及IP地址需求,完成相关配置 2、要求SW1为VLAN 2/3的主根及主网关 SW2为vlan 20/30的主根及主网关 SW1和SW2互为备份 3、可以使用super vlan(本实验未使用) 4、上层…

【基于PSINS工具箱】以速度为观测量的SINS/GNSS组合导航,UKF滤波

基于【PSINS工具箱】,提供一个MATLAB例程,仅以速度为观测量的SINS/GNSS组合导航(滤波方式为UKF) 文章目录 工具箱程序简述运行结果 代码程序讲解MATLAB 代码教程:使用UKF进行速度观测1. 引言与基本设置2. 初始设置3. U…

java访问华为网管软件iMaster NCE的北向接口时传递参数问题

上一篇文章介绍了利用《java访问华为网管软件iMaster NCE的北向接口》的一般性步骤,这里详细介绍其中一个读取性能数据的示例。原因是读取华为网管软件北向接口,完全找不到可供参考的例子。如果不需要传递什么参数,就能获取到结果&#xff0c…

基于SpringBoot的“在线考试系统”的设计与实现(源码+数据库+文档+PPT)

基于SpringBoot的“在线考试系统”的设计与实现(源码数据库文档PPT) 开发语言:Java 数据库:MySQL 技术:SpringBoot 工具:IDEA/Ecilpse、Navicat、Maven 系统展示 系统总体结构图 系统登录界面图 用户注册界面图 管…

【2024软考架构案例题】你知道什么是 RESTful 风格吗?

👉博主介绍: 博主从事应用安全和大数据领域,有8年研发经验,5年面试官经验,Java技术专家,WEB架构师,阿里云专家博主,华为云云享专家,51CTO 专家博主 ⛪️ 个人社区&#x…

科大讯飞面经,蛮简单的

先来看面经: 下面我来简单聊聊这些问题。 自我介绍 关于如何自我介绍,这个如果还不会或者还没有准备,请先准备好你要如何向面试官介绍自己。 面试本来就是一个自我推销的方式之一,如果自我介绍都不会说,你如何卖个好价…

首次超越扩散模型和非自回归Transformer模型!字节开源RAR:自回归生成最新SOTA!

文章链接:https://arxiv.org/pdf/2411.00776 项目链接:https://yucornetto.github.io/projects/rar.html 代码&模型链接:https://github.com/bytedance/1d-tokenizer 亮点直击 RAR(随机排列自回归训练策略)&#x…

通义千问API调用测试 (colab-python,vue)

文章目录 代码(来自官网)colab中用python测试Qwen2.5在官网上查看并确定过期时间这里看到我的免费额度到25年5月在同一个页面,点击API示例 前端调用直接在前端调用的优缺点以vue为例(代码是基于官网node.js的代码转换而来&#xf…

立体工业相机提升工业自动化中的立体深度感知

深度感知对仓库机器人应用至关重要,尤其是在自主导航、物品拾取与放置、库存管理等方面。 通过将深度感知与各种类型的3D数据(如体积数据、点云、纹理等)相结合,仓库机器人可以在错综复杂环境中实现自主导航,物品检测…

LSTM+LightGBM+Catboost的stacking融合模型

基本介绍 针对目前大部分数据同时具有特征连续和特征不连续的特点,将神经网络模型如LSTM和回归树模型如XGboost,基于stacking集成学习原理进行融合 附有模型评价指标R2、RMSE、MAE、MSE,代码包含注释,可以直接运行。 融合过程 在机器学习中…

人工智能 | 文生视频大模型

简介 文生视频指的是将文本描述转化为视频内容的技术,2024年2月15日 OpenAI 正式对外发布 Sora 人工智能模型,在人工智能领域掀起了一场风波,这是计算机视觉领域的一个突破。 Sora 这一名称起源于日文中“空”的含义,暗示了其具…

测试实项中的偶必现难测bug--一键登录失败

问题描述:安卓和ios有出现部分一键登录失败的场景,由于场景比较极端,衍生了很多不好评估的情况。 产生原因分析: 目前有解决过多次这种行为的问题,每次的产生原因都有所不同,这边根据我个人测试和收集复现的情况列举一些我碰到的: 1、由于我们调用的是友盟的一键登录的…

Pr:视频过渡快速参考(合集 · 2025版)

Adobe Premiere Pro 自带七组约四十多个视频过渡 Video Transitions效果,包含不同风格和用途,可在两个剪辑之间创造平滑、自然的转场,用来丰富时间、地点或情绪的变化。恰当地应用过渡可让观众更好地理解故事或人物。 提示: 点击下…

Jest项目实战(7):部署文档网站到 GitHub Pages

关于部署网站,理论上来讲,只要你有一个服务器,你要采用什么样的方式来部署都是可以的。但是前提是你需要有一个服务器(物理机、云服务器)。 这一小节我们部署文档网站选择使用 github 来进行部署,因为 Git…

第十九周:机器学习

目录 摘要 Abstract 一、吴恩达机器学习Exp1——线性回归 1、单变量线性回归 1.1数据集的读取及可视化 1.2分割训练集和验证集 1.3扩展维度 1.4线性回归模型 1.5训练过程可视化 2、多变量线性回归 2.1加载数据集并可视化 2.2划分训练集和验证集 2.3线性回归模型 …