博客
关于我
c#的事件(2021-3-18)
阅读量:609 次
发布时间:2019-03-13

本文共 678 字,大约阅读时间需要 2 分钟。

C#事件机制详解

事件在编程中扮演着至关重要的角色,它是一种实现对象间通信的机制

事件的定义

事件的核心在于一个标志性的特点:事件源发布事件,其他类可以通过订阅( listening)方式参与到事件的处理当中

事件的创建

要创建事件需要遵循以下步骤:

  • 定义委托类型:委托类似于函数的抽象,这样我们可以定义不同的处理逻辑
  • 声明事件:在类中使用event修饰符申明一个事件实例
  • 触发事件:在需要时调用这个事件实例
  • 事件的订阅

    订阅事件的关键在于使用+=-=操作符,这样可以灵活地为事件绑定和取消绑定处理逻辑

    需要注意以下几点:

    • 事件可以定义多个处理方法,这意味着一个事件可以被多个类订阅
    • 事件处理逻辑必须在类的构造函数初始化时添加,否则会抛出错误

    事件的使用

    以一个简单的示例来说明如何在类中使用事件

    class ButtonController{    public event ClickHandler OnClick; // 定义事件    public void Click()    {        // 触发事件        OnClick(new ButtonController(this)); // 事件源传递完整的上下文    }}

    这样我们就定义了一个按钮,按下按钮后会自动触发OnClick事件,并将事件源传递给订阅者

    总结

    事件机制是OOP中的一大优势,它允许不同类之间实现 Loose Coupling,通过订阅模式建立灵活的耦合关系

    事件的核心特性是一个发布-订阅模式:事件源发布事件,多个独立的订阅者可以通过处理函数来响应

    转载地址:http://fsuaz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>