【Java系列】if-else代码优化的八种方案

简介: 目录前言优化方案一:提前return,去除不必要的else优化方案二:使用条件三目运算符优化方案三:使用枚举优化方案四:合并条件表达式优化方案五:使用 Optional优化方案六:表驱动法优化方案七:优化逻辑结构,让正常流程走主干优化方案八:策略模式+工厂方法消除if else前言代码中如果if-else比较多,阅读起来比较困难,维护起来也比较困难,很容易出bug,接下来,本文将介绍优化if-else代码的八种方案。优化方案一:

 目录

前言

优化方案一:提前return,去除不必要的else

优化方案二:使用条件三目运算符

优化方案三:使用枚举

优化方案四:合并条件表达式

优化方案五:使用 Optional

优化方案六:表驱动法

优化方案七:优化逻辑结构,让正常流程走主干

优化方案八:策略模式+工厂方法消除if else


前言

代码中如果if-else比较多,阅读起来比较困难,维护起来也比较困难,很容易出bug,接下来,本文将介绍优化if-else代码的八种方案。

image.gif编辑

优化方案一:提前return,去除不必要的else

如果if-else代码块包含return语句,可以考虑通过提前return,把多余else干掉,使代码更加优雅。

优化前:

if(condition){
//doSomething
}else{
return ;
}

image.gif

优化后:

if(!condition){
return ;
}
//doSomething

image.gif

优化方案二:使用条件三目运算符

使用条件三目运算符可以简化某些if-else,使代码更加简洁,更具有可读性。

优化前:

int price ;
if(condition){
price = 80;
}else{
price = 100;
}

image.gif

    优化后:

    int price = condition?80:100;

    image.gif

    优化方案三:使用枚举

    在某些时候,使用枚举也可以优化if-else逻辑分支,按个人理解,它也可以看做一种表驱动方法

    优化前:

    String OrderStatusDes;
    if(orderStatus==0){
    OrderStatusDes ="订单未支付";
    }else if(OrderStatus==1){
    OrderStatusDes ="订单已支付";
    }else if(OrderStatus==2){
    OrderStatusDes ="已发货";
    }

    image.gif

    优化后:

    先定义一个枚举

    public enum OrderStatusEnum {
    UN_PAID(0,"订单未支付"),PAIDED(1,"订单已支付"),SENDED(2,"已发货"),;
    private int index;
    private String desc;
    public int getIndex() {
    return index;
    }
    public String getDesc() {
    return desc;
    }
    OrderStatusEnum(int index, String desc){
    this.index = index;
    this.desc =desc;
    }
    OrderStatusEnum of(int orderStatus) {
    for (OrderStatusEnum temp : OrderStatusEnum.values()) {
    if (temp.getIndex() == orderStatus) {
    return temp;
    }
    }
    return null;
    }
    }

    image.gif

    有了枚举之后,以上if-else逻辑分支,可以优化为一行代码

    String OrderStatusDes = OrderStatusEnum.0f(orderStatus).getDesc();

    image.gif

    优化方案四:合并条件表达式

    如果有一系列条件返回一样的结果,可以将它们合并为一个条件表达式,让逻辑更加清晰。

    优化前

    double getVipDiscount() {
    if(age<18){
    return 0.8;
    }
    if("深圳".equals(city)){
    return 0.8;
    }
    if(isStudent){
    return 0.8;
    }
    //do somethig
    }

    image.gif

    优化后

    double getVipDiscount(){
    if(age<18|| "深圳".equals(city)||isStudent){
    return 0.8;
    }
    //doSomthing
    }

    image.gif

    优化方案五:使用 Optional

    有时候if-else比较多,是因为非空判断导致的,这时候你可以使用java8的Optional进行优化。

    优化前:

    String str = "jay@huaxiao";
    if (str != null) {
    System.out.println(str);
    } else {
    System.out.println("Null");
    }

    image.gif

    优化后:

    Optional<String> strOptional = Optional.of("jay@huaxiao");
    strOptional.ifPresentOrElse(System.out::println, () -> System.out.println("Null"));

    image.gif

    优化方案六:表驱动法

    表驱动法,又称之为表驱动、表驱动方法。表驱动方法是一种使你可以在表中查找信息,而不必用很多的逻辑语句(if或Case)来把它们找出来的方法。

    以下的demo,把map抽象成表,在map中查找信息,而省去不必要的逻辑语句。

    优化前:

    if (param.equals(value1)) {
    doAction1(someParams);
    } else if (param.equals(value2)) {
    doAction2(someParams);
    } else if (param.equals(value3)) {
    doAction3(someParams);
    }if (param.equals(value1)) {
    doAction1(someParams);
    } else if (param.equals(value2)) {
    doAction2(someParams);
    } else if (param.equals(value3)) {
    doAction3(someParams);
    }

    image.gif

    优化后:

    Map<?, Function<?> action> actionMappings = new HashMap<>(); // 这里泛型 ? 是为方便演示,实际可替换为你需要的类型
    // 初始化
    actionMappings.put(value1, (someParams) -> { doAction1(someParams)});
    actionMappings.put(value2, (someParams) -> { doAction2(someParams)});
    actionMappings.put(value3, (someParams) -> { doAction3(someParams)});
    // 省略多余逻辑语句
    actionMappings.get(param).apply(someParams);

    image.gif

    优化方案七:优化逻辑结构,让正常流程走主干

    优化前:

    public double getAdjustedCapital(){
    if(_capital <= 0.0 ){
    return 0.0;
    }
    if(_intRate > 0 && _duration >0){
    return (_income / _duration) *ADJ_FACTOR;
    }
    return 0.0;
    }

    image.gif

    优化后:

    public double getAdjustedCapital(){
    if(_capital <= 0.0 ){
    return 0.0;
    }
    if(_intRate <= 0 || _duration <= 0){
    return 0.0;
    }
    return (_income / _duration) *ADJ_FACTOR;
    }

    image.gif

    将条件反转使异常情况先退出,让正常流程维持在主干流程,可以让代码结构更加清晰。

    优化方案八:策略模式+工厂方法消除if else

    假设需求为,根据不同勋章类型,处理相对应的勋章服务,优化前有以下代码:

    String medalType = "guest";
    if ("guest".equals(medalType)) {
    System.out.println("嘉宾勋章");
    } else if ("vip".equals(medalType)) {
    System.out.println("会员勋章");
    } else if ("guard".equals(medalType)) {
    System.out.println("展示守护勋章");
    }

    image.gif

    首先,我们把每个条件逻辑代码块,抽象成一个公共的接口,可以得出以下代码:

    //勋章接口
    public interface IMedalService {
    void showMedal();
    }

    image.gif

    我们根据每个逻辑条件,定义相对应的策略实现类,可得以下代码:

    //守护勋章策略实现类
    public class GuardMedalServiceImpl implements IMedalService {
        @Override
        public void showMedal() {
            System.out.println("展示守护勋章");
        }
    }
    //嘉宾勋章策略实现类
    public class GuestMedalServiceImpl implements IMedalService {
        @Override
        public void showMedal() {
            System.out.println("嘉宾勋章");
        }
    }
    //VIP勋章策略实现类
    public class VipMedalServiceImpl implements IMedalService {
        @Override
        public void showMedal() {
            System.out.println("会员勋章");
        }
    }

    image.gif

    接下来,我们再定义策略工厂类,用来管理这些勋章实现策略类,如下:

    //勋章服务工产类
    public class MedalServicesFactory {
        private static final Map<String, IMedalService> map = new HashMap<>();
        static {
            map.put("guard", new GuardMedalServiceImpl());
            map.put("vip", new VipMedalServiceImpl());
            map.put("guest", new GuestMedalServiceImpl());
        }
        public static IMedalService getMedalService(String medalType) {
            return map.get(medalType);
        }
    }

    image.gif

    使用了策略+工厂模式之后,代码变得简洁多了,如下:

    public class Test {
    public static void main(String[] args) {
    String medalType = "guest";
    IMedalService medalService = MedalServicesFactory.getMedalService(medalType);
    medalService.showMedal();
    }
    }

    image.gif



    相关文章
    |
    2月前
    |
    数据采集 存储 弹性计算
    高并发Java爬虫的瓶颈分析与动态线程优化方案
    高并发Java爬虫的瓶颈分析与动态线程优化方案
    |
    2月前
    |
    机器学习/深度学习 JSON Java
    Java调用Python的5种实用方案:从简单到进阶的全场景解析
    在机器学习与大数据融合背景下,Java与Python协同开发成为企业常见需求。本文通过真实案例解析5种主流调用方案,涵盖脚本调用到微服务架构,助力开发者根据业务场景选择最优方案,提升开发效率与系统性能。
    574 0
    |
    2月前
    |
    缓存 监控 Kubernetes
    Java虚拟机内存溢出(Java Heap Space)问题处理方案
    综上所述, 解决Java Heap Space溢出需从多角度综合施策; 包括但不限于配置调整、代码审查与优化以及系统设计层面改进; 同样也不能忽视运行期监控与预警设置之重要性; 及早发现潜在风险点并采取相应补救手段至关重要.
    439 17
    |
    3月前
    |
    Cloud Native 前端开发 Java
    WebAssembly 与 Java 结合的跨语言协作方案及性能提升策略研究
    本文深入探讨了WebAssembly与Java的结合方式,介绍了编译Java为Wasm模块、在Java中运行Wasm、云原生集成等技术方案,并通过金融分析系统的应用实例展示了其高性能、低延迟、跨平台等优势。结合TeaVM、JWebAssembly、GraalVM、Wasmer Java等工具,帮助开发者提升应用性能与开发效率,适用于Web前端、服务器端及边缘计算等场景。
    114 0
    |
    4月前
    |
    JavaScript Java Go
    Go、Node.js、Python、PHP、Java五种语言的直播推流RTMP协议技术实施方案和思路-优雅草卓伊凡
    Go、Node.js、Python、PHP、Java五种语言的直播推流RTMP协议技术实施方案和思路-优雅草卓伊凡
    254 0
    |
    4月前
    |
    缓存 Java 数据库
    Java 项目分层架构实操指南及长尾关键词优化方案
    本指南详解基于Spring Boot与Spring Cloud的Java微服务分层架构,以用户管理系统为例,涵盖技术选型、核心代码实现、服务治理及部署实践,助力掌握现代化Java企业级开发方案。
    196 2
    |
    5月前
    |
    前端开发 数据可视化 Java
    开发 JavaFX 与 Java Swing 桌面应用的实用技巧与实践方案
    本文介绍了Java桌面应用开发的技术选型与JavaFX实战方案。首先对比了JavaFX和Swing的特点,推荐JavaFX更适合现代UI需求。重点讲解了JavaFX 19+的技术升级,包括模块化开发(module-info.java配置)和响应式UI设计(CSS样式管理)。在数据访问层展示了JDBC 4.3的集成和异步加载实现。高级UI组件部分演示了自定义表格和图表可视化的开发方法。最后介绍了MVVM架构的实现,包括视图模型的数据绑定和FXML控制器的集成,为开发者提供了完整的JavaFX桌面应用开发解决方案。
    310 0
    |
    5月前
    |
    安全 Java Docker
    Docker 部署 Java 应用实战指南与长尾优化方案
    本文详细介绍了Docker容器化部署Java应用的最佳实践。首先阐述了采用多阶段构建和精简JRE的镜像优化技术,可将镜像体积减少60%。其次讲解了资源配置、健康检查、启动优化等容器化关键配置,并演示了Spring Boot微服务的多模块构建与Docker Compose编排方案。最后深入探讨了Kubernetes生产部署、监控日志集成、灰度发布策略以及性能调优和安全加固措施,为Java应用的容器化部署提供了完整的解决方案指南。文章还包含大量可落地的代码示例,涵盖从基础到高级的生产环境实践。
    248 3
    |
    7月前
    |
    数据采集 自然语言处理 JavaScript
    Playwright多语言生态:跨Python/Java/.NET的统一采集方案
    随着数据采集需求的增加,传统爬虫工具如Selenium、Jsoup等因语言割裂、JS渲染困难及代理兼容性差等问题,难以满足现代网站抓取需求。微软推出的Playwright框架,凭借多语言支持(Python/Java/.NET/Node.js)、统一API接口和优异的JS兼容性,解决了跨语言协作、动态页面解析和身份伪装等痛点。其性能优于Selenium与Puppeteer,在学术数据库(如Scopus)抓取中表现出色。行业应用广泛,涵盖高校科研、大型数据公司及AI初创团队,助力构建高效稳定的爬虫系统。
    384 2
    Playwright多语言生态:跨Python/Java/.NET的统一采集方案
    |
    7月前
    |
    数据采集 存储 网络协议
    Java HttpClient 多线程爬虫优化方案
    Java HttpClient 多线程爬虫优化方案