`
happyday
  • 浏览: 20348 次
  • 性别: Icon_minigender_1
  • 来自: 南京
社区版块
存档分类
最新评论

java语言的反射机制1

阅读更多

   java语言的反射机制为是java语言所提供的一项特别吸引人的地方,利用反射我们可以对程序的运行进行动态的监控,开发使用反射特性的程序需要使用一些专门的工具类,这些工具类位于java.lang.reflect包中。

1.Class类简介

    Class类属于java.lang包中,不需要使用import语句的引入就可以直接使用,其对象代表一个类,并携带类的一些信息,主要包含构造器,方法和成员变量。

   注:a.java程序在运行的过程中,每个类加载后都在内存中产生一个对应的Class对象,一般来说,这个对象由系统来自动维护,不需要程序开发人员关心,

        b.这里的Class中的“C”为大写,如果变成小写就声明成java的关键字了
下面首先通过一个列子来说明反射机制的使用

package com;
import java.lang.reflect.Method;
public class ReflectTest {
	Method method [];
	public ReflectTest(){
		try{
		Class c=Class.forName("com.ReflectTest");
		method=c.getMethods();
		}catch(ClassNotFoundException e){
			e.printStackTrace();
		}
		if(method.length>0){
			for(int i=0;i<method.length;i++){
				System.out.println(method[i]);
			}
		}
	}
	public static void main(String args []){
	new ReflectTest();
	}
}

 这个例子就介绍了反射机制的一些简单的使用方法,首先Class.forName(String)获得一个类的信息,然后就可以对这个类的构造器,方法和成员变量等进行反射了,注意的是:forName(String)中的字符串必须是类完整路径,否则会出现ClassNotFoundException的异常。

 

 另外,由于java中的数组是对象,因此数组对象也可以调用getClass()方法获取对应类的Class对象。 

 

 

 

 

public class ArrayReflection {
		public ArrayReflection(){
		String []stringArray=new String[4];
		int[][]intArray=new int[4][4];
		Class sc=stringArray.getClass();
		Class ic=intArray.getClass();
		System.out.println("一维string数组对应的类名为:"+sc.getName());
		System.out.println("二维int数组对应的类名为:"+ic.getName());
	}
	public static void main(String args []){
		new ArrayReflection();
	}

}
//运行结果为:
一维string数组对应的类名为:[Ljava.lang.String;
二维int数组对应的类名为:[[I

 从运进结果我们可以看出,数组对象也有对应的类,"["表示数组,两个就表示二维数组。

在java中,每种基本数据类型都有对应的代号,对于int----I,boolean---Z,byte--B,char--C,long---J.可以到java网站查询详情

2.Field类的简单介绍

  Field类的对象代表成员变量,携带的是成员变量的一些信息,需要注意的是,与Class类相似,Field对象不能通过构造方法的形式来创建对象,必须通过Class类提供的get方法来获得。

import java.lang.reflect.Field;
public class FieldReflectTest {
	public static void main(String args []){
		try{
			Student stu=new Student(21,2003,true,"tom");
			Class c=stu.getClass();
			Field field[]=c.getFields();
			for(int i=0;i<field.length;i++){
			System.out.println(field[i].getName());
			}
		}catch(Exception e){
			e.printStackTrace();
		}
	}

}

class Student{
	public int age;
	public int sno;
	public boolean gender;
	public String name;
	public Student(int age,int sno,boolean gender,String name){
		this.age=age;
		this.sno=sno;
		this.gender=gender;
		this.name=name;
	}
}
//运行结果 age,sno,gender,name

从运行结果我们可以看出,我们可以利用对Student对象的反射,获得Student类的全部全局变量信息,注:只能获得修饰符为public 的全局变量,如果修饰符该为private将不能获得。 

3.Mehod类的简介,

  Method类的对象表示一个方法,主要用来携带方法的信息,它与Field类相似,不能通过构造器创建,而必须通过Class类的get方法来获得,主要可以使用的方法有:1.getName()获得方法名称,2.Class[] getParameterTypes()返回参数的序列, 3.Class getReturnType()返回方法返回值的类型。4.Object invoke(Object object,Object []args)此方法用来调用Method对象代表的方法,返回值是被调用方法的返回值,注:该方法无论方法返回什么值,都是做为Object对象返回。

import java.lang.reflect.Method;
public class MethodReflect {
	public static void main(String args []){
		try{
			ForeMethod fore=new ForeMethod();
			Class cl=fore.getClass();
			Method method[]=cl.getMethods();
			for(int i=0;i<method.length;i++){
				System.out.println("方法的返回值:"+method[1].getReturnType().getName());
				System.out.println("方法的名称为:"+method[i].getName());
				Class []cls=method[i].getParameterTypes();
				for(int j=0;j<cls.length;j++){
					System.out.print(method[i].getName()+"方法对应的参数为:"+cls[i].getName());
				}
				System.out.println();
			}
		}catch(Exception e){
			e.printStackTrace();
		}
	}

}
 class ForeMethod{
    public void sayHello(String name){
    	System.out.println("你好,"+name);
    }
    public String generateNum(int max,int min){
    	return (Math.random()*(max-min))+"";
    }
 }

 

通过这个列子,我们就可以简单的了解Method类在反射机制中的使用了

分享到:
评论

相关推荐

    深圳混泥土搅拌站生产过程中环境管理制度.docx

    深圳混泥土搅拌站生产过程中环境管理制度

    应用商城1.4+软件库安卓源码2.4+配置教程集.zip

    一款由软件库、线报分享、程序工具箱三合一聚合程序源码。软件(文章)支持免费、密码、会员、付费、卡密、广告多种限制类型,不仅适合引流还适合进行流量变现。应用商城源码版和母体安装包都放在一个链接里面了 母体安装包配置教程:https://www.bilibili.com/video/BV1AyWQeMEkv/?share_source=copy_web&vd_source=a6794bb3f38ff7c5411cceabe322637a 应用商城源码配置教程:https://www.bilibili.com/video/BV1Ry411i7Qr/?share_source=copy_web&vd_source=a6794bb3f38ff7c5411cceabe322637a 软件库源码配置教程:https://www.bilibili.com/video/BV1vs421T71P/?share_source=copy_web&vd_source=a6794bb3f38ff7c5411cceabe322637a

    CDH 7.16组件原理及操作大全.zip

    大数据组件原理及其操作大全

    深圳混泥土搅拌站部门及岗位职责.docx

    深圳混泥土搅拌站部门及岗位职责

    基于java的中华美食网源代码(完整前后端+mysql+说明文档+LW).zip

    前台模块: 首页:网站的主页,通常包含导航和重要信息的概览。 注册:允许新用户创建账户。 登录:已注册用户可以登录系统。 美食:展示各种美食信息和食谱。 个人信息:用户可以查看和编辑自己的个人信息。 我的查询:用户可以查看自己的查询历史或收藏的美食。 留言板:用户可以在此板块留言,提出问题或反馈意见。 管理后台模块: 登录:管理员登录后台系统的入口。 修改密码:管理员可以更改自己的登录密码。 系统管理:管理系统的设置和维护。 类别管理:管理美食的分类信息。 美食管理:管理美食的详细信息,如食谱、食材等。 菜谱录入:管理员可以添加新的菜谱到系统中。 公告管理:发布和管理系统公告。 留言管理:管理员可以查看和回复用户的留言。 用户管理:管理系统用户的信息和权限。 环境说明: 开发语言:Java,jsp JDK版本:JDK1.8 数据库:mysql 5.7 数据库工具:Navicat11 开发软件:eclipse/idea 部署容器:tomcat

    信息论与编码课程实验指导书.doc

    信息论与编码课程实验指导书.doc

    【9506】基于springboot+vue的小区疫情购物系统录.zip

    技术选型 【后端】:Java 【框架】:springboot 【前端】:vue 【JDK版本】:JDK1.8 【服务器】:tomcat7+ 【数据库】:mysql 5.7+ 项目包含前后台完整源码。 项目都经过严格调试,确保可以运行! 具体项目介绍可查看博主文章或私聊获取 助力学习实践,提升编程技能,快来获取这份宝贵的资源吧! 在当今快速发展的信息技术领域,技术选型是决定一个项目成功与否的重要因素之一。基于以下的技术栈,我们为您带来了一份完善且经过实践验证的项目资源,让您在学习和提升编程技能的道路上事半功倍。以下是该项目的技术选型和其组件的详细介绍。 在后端技术方面,我们选择了Java作为编程语言。Java以其稳健性、跨平台性和丰富的库支持,在企业级应用中处于领导地位。项目采用了流行的Spring Boot框架,这个框架以简化Java企业级开发而闻名。Spring Boot提供了简洁的配置方式、内置的嵌入式服务器支持以及强大的生态系统,使开发者能够更高效地构建和部署应用。 前端技术方面,我们使用了Vue.js,这是一个用于构建用户界面的渐进式JavaScript框架。Vue以其易上手、灵活和性能出色而受到开发者的青睐,它的组件化开发思想也有助于提高代码的复用性和可维护性。 项目的编译和运行环境选择了JDK 1.8。尽管Java已经推出了更新的版本,但JDK 1.8依旧是一种成熟且稳定的选择,广泛应用于各类项目中,确保了兼容性和稳定性。 在服务器方面,本项目部署在Tomcat 7+之上。Tomcat是Apache软件基金会下的一个开源Servlet容器,也是应用最为广泛的Java Web服务器之一。其稳定性和可靠的性能表现为Java Web应用提供了坚实的支持。 数据库方面,我们采用了MySQL 5.7+。MySQL是一种高效、可靠且使用广泛的关系型数据库管理系统,5.7版本在性能和功能上都有显著的提升。 值得一提的是,该项目包含了前后台的完整源码,并经过严格调试,确保可以顺利运行。通过项目的学习和实践,您将能更好地掌握从后端到前端的完整开发流程,提升自己的编程技能。欢迎参考博主的详细文章或私信获取更多信息,利用这一宝贵资源来推进您的技术成长之路!

    语音增强技术在低信噪比环境下的双门限语音端点检测算法

    内容概要:本文介绍了一种在低信噪比条件下提高语音端点检测准确率的算法,通过结合语音增强技术和传统的双门限检测方法,有效提高了低信噪比环境下的语音端点检测性能。文章详细介绍了算法的原理和实现步骤,并通过Matlab仿真验证了该算法的有效性。 适合人群:从事语音信号处理研究的技术人员、高校教师和研究人员。 使用场景及目标:适用于语音识别、语音通讯等需要在复杂噪声环境下进行语音信号处理的场合。目标是提高低信噪比环境下的语音端点检测准确率。 其他说明:该算法在高信噪比情况下直接使用双门限检测,而在低信噪比环境下先进行语音增强再进行端点检测,显著提高了检测准确率。

    【故障诊断】基于matlab白冠鸡算法优化长短记忆网络COOT-LSTM故障诊断分类【Matlab仿真 6064期】.zip

    CSDN Matlab研究室上传的资料均有对应的仿真结果图,仿真结果图均是完整代码运行得出,完整代码亲测可用,适合小白; 1、完整的代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

    【KELM回归预测】基于matlab蜂虎狩猎算法优化核极限学习BEH-KELM回归预测【Matlab仿真 3845期】.zip

    【KELM回归预测】基于matlab蜂虎狩猎算法优化核极限学习BEH-KELM回归预测【Matlab仿真 3845期】

    BLE蓝牙单片机CC2540、CC2541裸机简易C语言程序开发之温度传感器DS18B20.zip

    1、嵌入式物联网单片机项目开发例程,简单、方便、好用,节省开发时间。 2、代码使用IAR软件开发,当前在CC2540/CC2541上运行,如果是其他型号芯片,请自行调整。 3、软件下载时,请注意接上硬件,并确认烧录器连接正常。 4、有偿指导v:wulianjishu666; 5、如果接入其他传感器,请查看账号发布的其他资料。 6、单片机与模块的接线,在代码当中均有定义,请自行对照。 7、若硬件有差异,请根据自身情况调整代码,程序仅供参考学习。 8、代码有注释说明,请耐心阅读。

    【光伏功率预测】基于matlab粒子群算法优化高斯过程回归PSO-GPR光伏功率预测(多输入单输出)【Matlab仿真 4373期】.zip

    【光伏功率预测】基于matlab粒子群算法优化高斯过程回归PSO-GPR光伏功率预测(多输入单输出)【Matlab仿真 4373期】

    202412181903.pdf

    202412181903.pdf

    【故障诊断】基于matlab白冠鸡算法优化双向时间卷积神经网络COOT-BiTCN轴承数据故障诊断【Matlab仿真 5057期】.zip

    CSDN Matlab研究室上传的资料均有对应的仿真结果图,仿真结果图均是完整代码运行得出,完整代码亲测可用,适合小白; 1、完整的代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

    C语言航空订票系统程序.doc

    C语言航空订票系统程序.doc

    【BP回归预测】基于matlab秃鹰算法优化BP神经网络BES-BP光伏数据预测(多输入单输出)【Matlab仿真 5185期】.zip

    CSDN Matlab研究室上传的资料均有对应的仿真结果图,仿真结果图均是完整代码运行得出,完整代码亲测可用,适合小白; 1、完整的代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

    【SVM回归预测】基于matlab人工兔算法优化卷积神经网络结合支持向量机ARO-CNN-SVM数据回归预测【Matlab仿真 3830期】.zip

    【SVM回归预测】基于matlab人工兔算法优化卷积神经网络结合支持向量机ARO-CNN-SVM数据回归预测【Matlab仿真 3830期】

    【SVM回归预测】基于matlab鹈鹕算法优化卷积神经网络结合支持向量机POA-CNN-SVM数据回归预测【Matlab仿真 3776期】.zip

    【SVM回归预测】基于matlab鹈鹕算法优化卷积神经网络结合支持向量机POA-CNN-SVM数据回归预测【Matlab仿真 3776期】

    【风电功率预测】基于matlab豪猪算法优化BP神经网络CPO-BP风电功率预测【Matlab仿真 4317期】.zip

    【风电功率预测】基于matlab豪猪算法优化BP神经网络CPO-BP风电功率预测【Matlab仿真 4317期】

    【BP回归预测】基于matlab蝗虫算法优化BP神经网络GOA-BP光伏数据预测(多输入单输出)【Matlab仿真 5161期】.zip

    CSDN Matlab研究室上传的资料均有对应的仿真结果图,仿真结果图均是完整代码运行得出,完整代码亲测可用,适合小白; 1、完整的代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

Global site tag (gtag.js) - Google Analytics