Vue--》过滤器介绍及其使用方法

Posted 2023-04-01 亦世凡华、

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Vue--》过滤器介绍及其使用方法相关的知识，希望对你有一定的参考价值。

过滤器

过滤器的兼容性

注意：Vue3中明确取消了过滤器这个功能，如果想使用只能在Vue2中进行，如果所做的项目是Vue2的话，可以了解一下这个功能点，至少会使用就行。

在企业级项目开发中：

如果使用的是2.x版本的vue，则依然可以使用过滤器相关功能

如果项目已经升级到了3.x版本的vue，官方建议使用计算属性或方法代替被剔除的过滤器功能，

过滤器（Filters）是 vue 为开发者提供的功能，常用于文本的格式化。过滤器可以用在两个地方：插值表达式和v-bind属性绑定。过滤器应该被添加在JavaScrip表达式的尾部，由“管道符”进行调用，案例如下：

<body>
    <div id="root">
        <p>message的值是:message | capi</p>
    </div>
    <script src="vue.js"></script>
    <script>
        const vm = new Vue(
            el:"#root",
            data:
                message:"hello Vue.js"
            ,
            //过滤器函数，必须定义到filters节点之下，过滤器本质上是函数
            filters:
                //注意：过滤器函数形参中的val，永远都是“管道符”前面的那个值
                capi(val)
                    // console.log(val);
                    // charAt()字符串方法，接收索引值，表示从字符串中把索引值对应的字符获取出来
                    const first = val.charAt(0).toUpperCase()
                    // slice()字符串方法1，可以截取字符串，从指定索引值往后截取
                    const other = val.slice(1)
                    //强调：过滤器中一定要有返回值
                    return first+other
                
            
        )
    </script>
</body>

私有过滤器和全局过滤器

在filters节点下定义的过滤器，称为“私有过滤器”，因为它只能在当前vm实例所控制的el区域内使用。如上面设置的过滤器就是私有过滤器；如果希望在多个vue实例之间共享过滤器，则可以按照如下的格式定义全局过滤器：

// 全局过滤器 - 独立于每个 vm 实例之外
// Vue.filter() 方法接收两个参数
// 第一个参数：是全局过滤器的”名字“
// 第二个参数：是全局过滤器的”处理函数“
Vue.filter('capi',(str)=>
    return str.charAt(0).toUpperCase() + str.slice(1)
)

承接上面的例子我们可以看看全局过滤器和私有过滤器的区别：

<body>
    <div id="root">
        <p>message的值 是:message | capi</p>
    </div>
    <div id="root1">
        <p>message的值 是:message | capi</p>
    </div>
    <script src="vue.js"></script>
    <script>
        // 提醒大家一下：全局过滤器要放在Vue实例化代码前面，不然会报错
        Vue.filter('capi',(str)=>
            // 为了区别全局过滤是否会对私有过滤进行覆盖，将全局过滤加一个特征
            return str.charAt(0).toUpperCase() + str.slice(1)+'~~~'
        )
        const vm = new Vue(
            el:"#root",
            data:
                message:"hello Vue.js"
            ,
            filters:
                capi(val)
                    const first = val.charAt(0).toUpperCase()
                    const other = val.slice(1)
                    return first+other
                
            
        )
        const vm1 = new Vue(
            el:"#root1",
            data:
                message:"hello world"
            ,
        )


    </script>
</body>

注意点：

1）要定义到 filters 节点下，本质是一个函数

2）在过滤器函数中，一定要有return值

3）在过滤器的形参中，就可以获取到“管道符”前面待处理的那个值

4）如果全局过滤器和私有过滤器名字一致，按照就近原则，调用的是“私有过滤器”

过滤器的连续调用

过滤器可以串联地进行调用，例如：

//在插值表达式中可以使用多个过滤器如下：
//过滤器filterA从它前面的message得到的处理结果，将filterA的return返回值再交给filterB进行处理
//最终把filterB处理的结果，作为最终的值渲染到页面上
<div id="root">
    message | filterA | filterB
</div>

过滤器进行传参

过滤器本质上是javascript函数，因此可以接收参数，格式如下：

<!-- arg1 和 arg2 是传递给 filterA 的参数 -->
<p> message | filterA(arg1,arg2) </p>

//过滤器处理函数的形参列表中:
//第一个参数：永远都是“管道符”前面待处理的值
//从第二个参数开始，才是调用过滤器时传递过来的 arg1 和 arg2 参数
Vue.filter('filterA',(msg,agr1,arg2)=>
    //过滤器的代码。。。
)

布隆过滤器详解（BloomFilter）以及其实现介绍

一、三种去重方式

1.HashSet
使用java中的HashSet不能重复的特点去重。优点是容易理解。使用方便。
缺点：占用内存大，性能较低。
2.Redis去重
使用Redis的set进行去重。优点是速度快（Redis本身速度就很快），而且去重不会占用爬虫服务器的资源，可以处理更大数据量的数据爬取。
缺点：需要准备Redis服务器，增加开发和使用成本。
3.布隆过滤器（BloomFilter）
使用布隆过滤器也可以实现去重。优点是占用的内存要比使用HashSet要小的多，也适合大量数据的去重操作。
缺点：有误判的可能。没有重复可能会判定重复，但是重复数据一定会判定重复。

二、布隆过滤器介绍

布隆过滤器 (Bloom Filter)是由Burton Howard Bloom于1970年提出，它是一种space efficient的概率型数据结构，用于判断一个元素是否在集合中。在垃圾邮件过滤的黑白名单方法、爬虫(Crawler)的网址判重模块中等等经常被用到。
哈希表也能用于判断元素是否在集合中，但是布隆过滤器只需要哈希表的1/8或1/4的空间复杂度就能完成同样的问题。布隆过滤器可以插入元素，但不可以删除已有元素。其中的元素越多，误报率越大，但是漏报是不可能的。

原理：
布隆过滤器需要的是一个位数组(和位图类似)和K个映射函数(和Hash表类似)，在初始状态时，对于长度为m的位数组array，它的所有位被置0。

对于有n个元素的集合S=S1,S2…Sn,通过k个映射函数f1,f2,…fk，将集合S中的每个元素Sj(1<=j<=n)映射为K个值g1,g2…gk，然后再将位数组array中相对应的array[g1],array[g2]…array[gk]置为1：

如果要查找某个元素item是否在S中，则通过映射函数f1,f2,…fk得到k个值g1,g2…gk，然后再判断array[g1],array[g2]…array[gk]是否都为1，若全为1，则item在S中，否则item不在S中。

布隆过滤器会造成一定的误判，因为集合中的若干个元素通过映射之后得到的数值恰巧包括g1,g2,…gk，在这种情况下可能会造成误判，但是概率很小。

三、布隆过滤器实现

//布隆过滤器
public class BloomFilter 

   /* BitSet初始分配2^24个bit */
   private static final int DEFAULT_SIZE = 1 << 24;

   /* 不同哈希函数的种子，一般应取质数 */
   private static final int[] seeds = new int[]  5, 7, 11, 13, 31, 37 ;

   private BitSet bits = new BitSet(DEFAULT_SIZE);

   /* 哈希函数对象 */
   private SimpleHash[] func = new SimpleHash[seeds.length];

   public BloomFilter() 
      for (int i = 0; i < seeds.length; i++) 
         func[i] = new SimpleHash(DEFAULT_SIZE, seeds[i]);
      
   

   // 将url标记到bits中
   public void add(String str) 
      for (SimpleHash f : func) 
         bits.set(f.hash(str), true);
      
   

   // 判断是否已经被bits标记
   public boolean contains(String str) 
      if (StringUtils.isBlank(str)) 
         return false;
      

      boolean ret = true;
      for (SimpleHash f : func) 
         ret = ret && bits.get(f.hash(str));
      

      return ret;
   

   /* 哈希函数类 */
   public static class SimpleHash 
      private int cap;
      private int seed;

      public SimpleHash(int cap, int seed) 
         this.cap = cap;
         this.seed = seed;
      

      // hash函数，采用简单的加权和hash
      public int hash(String value) 
         int result = 0;
         int len = value.length();
         for (int i = 0; i < len; i++) 
            result = seed * result + value.charAt(i);
         
         return (cap - 1) & result;