C#学习系列之事件
C#学习系列之事件
- 前言
- 事件
- 发布者和订阅者
- 事件触发和注册
- 事件声明
- 事件订阅
- 事件触发
- 使用
- 总结
前言
基础学习。
事件
发布者和订阅者
发布者:通知某件事情发生的。
订阅者:对某件事情关注的。
事件触发和注册
触发:事件发生就通知所有关注该事件的订阅者。
注册:想要得到通知,必须注册并关注。
事件发生时,通知订阅者,调用订阅者的注册函数。
事件声明
delegate void Handler();
public event Handler NewDog;//NewDog是一个成员,会被隐式自动初始化为null
//这里的Handler为委托类型,NewDog为事件名
//这里常会出现问题,应该注意!!!
事件订阅
NewDog+=方法
NewDog-=方法
//方法可以是实例方法、静态方法、匿名方法、lambda表达式
事件触发
封装的受限制的委托。
if(NewDog!=null)
{NewDog();}
使用
public class Dog:Pet
{static int Num;public delegate void Handler();public static event Handler NewDog;static Dog(){Num=0;}public Dog(string name):base(name){++Num;if(NewDog!=null){NewDog();}}
}
class Client
{public void WantADog(){Console.WriteLine("xx");}
}Client c1=new Client();
Client c2=new Client();
Dog.NewDog+=c1.WantADog;//相当于把Client的方法赋给事件了
Dog.NewDog+=c2.WantADog;
Dog dog=new Dog("Q");//最后事件打印出来会显示xx
总结
学习记录。
https://www.imooc.com/video/14246/0
相关文章:
C#学习系列之事件
C#学习系列之事件 前言事件发布者和订阅者事件触发和注册事件声明事件订阅事件触发使用 总结 前言 基础学习。 事件 发布者和订阅者 发布者:通知某件事情发生的。 订阅者:对某件事情关注的。 事件触发和注册 触发:事件发生就通知所有关…...
list部分接口模拟实现(c++)
List list简介list基本框架list构造函数list_node结构体的默认构造list类的默认构造 push_back()iteartor迭代器迭代器里面的其他接口const迭代器通过模板参数实现复用operator->() insert()erase()clear()析构函数迭代器区间构造拷贝构造operator() list简介 - list可以在…...
数据结构(C语言) 实验-栈与字符串
删除子串 字符串采用带头结点的链表存储,设计算法函数void delstring(linkstring s, int i,int len) 在字符串s中删除从第i个位置开始,长度为len的子串。 void delstring(linkstring s, int i, int len) {linkstring p,q,r;int cnt 1;p s->next;wh…...
xLua Lua访问C#注意事项(七)
调用成员方法 注意:调用成员方法,第一个参数需要传该对象,建议用冒号语法 loacl camera CS.UnityEngine.GameObject.Find("Main Camera") --冒号语法 camera:GetComponent("Camera") --点语法 camera.GetComponent(camera,"…...
vue3+antv2.x的画布
报错信息: TypeError: Cannot destructure property component of registry_1.shapeMaps[node.shape] as it is undefined. at VueShapeView.renderVueComponent (http://192.168.10.35:9029/node_modules/.vite/deps/antv_x6-vue-shape.js?v49fbfab0:5569:19…...
Docker部署ubuntu1804镜像详细步骤
Docker部署ubuntu1804镜像详细步骤 ubuntu镜像库地址:https://hub.docker.com/_/ubuntu/tags?page1&ordering-name 拉取镜像(默认为最新版本): docker pull ubuntu或,拉取指定版本镜像: docker pull…...
mac 卸载第三方输入法
输入法设置里的移除,并不是真的卸载,点击还是能添加回来 在活动监视器里强制退出此输入法在访达界面使用快捷键 ShiftcommandG在弹出的对话框内输入以下路径(/资源库/Input Methods),再点击下面的前往找到你要卸载的输…...
可观察性在软件测试中的重要性
当今应用生态系统的需求和加速的数字化转型使可观察性成为人们关注的焦点。可观察性提供了对应用程序行为和技术生态系统的深入可见性,并支持更快、更明智的决策。由于缺乏可观察性,软件开发团队倾向于对生产系统行为、潜在性能瓶颈或未来故障场景做出假…...
Delphi TCP服务端监听端口获取客户端RFID网络读卡器上传的刷卡数据
本示例使用设备介绍:液显WIFI无线网络HTTP协议RFID云读卡器可编程实时可控开关TTS语-淘宝网 (taobao.com) unit Unit1;interfaceusesWindows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,Dialogs, ComCtrls, ScktComp, StdCtrls, ScktCom…...
javaSE学习笔记(一)概述、语法
目录 前言 一、概述 1.java语言发展史 2.Java语言版本 3.Java语言平台 4.Java语言特点 5.Java语言跨平台原理-可移植性 6.JRE和JDK的概述 7.JDK的下载和安装 7.1安装的细节 7.2可能出现的问题 7.3验证安装是否成功 8.JDK安装路径下的目录解释 9.path环境变量的作…...
接口开发之使用C#插件Quartz.Net定时执行CMD任务工具
C#制作定时任务工具执行CMD命令 概要准备知识点实现原理thinkphp配置winform执行CMD命令读取ini配置文件定时任务Quartz.Net 完整代码Job.csIniFunc.csForm1.csconfig.ini简易定时任务工具雏形 概要 很多时候写接口上线后还会遇到很多修改,类似JAVA,C#,delphi制作的…...
XSS脚本(存储型xss获取肉鸡的cookies)
XSS脚本(存储型xss获取肉鸡的cookies) 存储型XSS就是在能够提交上传的文本框中提交一些标签代码,这段代码被插入到页面中,肉鸡每次点击这个页面时都会有弹框弹出。(只要点击就会弹框) 反射性XSS顾名思义插入…...
【React】04.MVC模式和MVVM模式
React是Web前端框架 1、目前市面上比较主流的前端框架 ReactAngular(NG框架)Vue 主流的思想: 不在直接去操作DOM,而是改为“数据驱动思想” 操作DOM思想: 操作DOM比较消耗性能[主要原因就是,可能会导…...
调试代码0
dev_update_off () * read_image (Image, C:/Users/Public/Documents/MVTec/HALCON-12.0/examples/images/smd/smd_on_chip_01.png) read_image (Image, D:/图像文件/图片/图片/基板/20230609-103004-0.bmp) get_image_size (Image, Width, Height) * dev_close_window () * de…...
【C++心愿便利店】No.12---C++之探索string底层实现
文章目录 前言一、写实拷贝(了解)二、string类常用接口实现2.1 成员变量2.2 默认构造函数2.3 拷贝构造函数2.4 operator2.5 operator[]2.6 c_str2.7 size()2.8 capacity() 三、迭代器的实现3.1 begin()和end()3.2 范围for 四、string类增删查改4.1 reser…...
Android Studio(列表视图ListView)
前言 前面在适配器章节,已经介绍了ListView的作用(干什么的),这节将主要介绍如何去设计ListView页面视图。 思考 列表视图需要些什么? 1. 列表项容器(装载各列表项的容器):<ListView/> 2. 列表项布局…...
让深度神经网络绘画以了解它们是如何工作的
一、说明 深度学习如此有效,这真是一个谜。尽管有一些关于深度神经网络为何如此有效的线索,但事实是没有人完全确定,并且深度学习的理论理解是一个非常活跃的研究领域。 在本教程中,我们将以一种不寻常的方式触及问题的一个小方面…...
https://www.jianshu.com/p/34bf240b85a9
https://www.jianshu.com/p/34bf240b85a9 https://www.eccee.com/soft-platform/991.html...
如何导出PPT画的图为高清图片?插入到world后不压缩图像的设置方法?
期刊投稿的时候,需要图片保持一定的清晰度数,那么我们怎么才能从PPT中导出符合要求的图片呢? 对于矢量图绘图软件所画的图,直接导出即可。 而PPT导出的图片清晰度在60pi,就很模糊。 整体思路: PPT绘图——…...
【Spring】Spring IOC DI
Spring IOC & DI IOC DI入门什么是Spring什么是容器什么是IOC IOC介绍传统程序开发解决方案 DI IOC详解Bean的存储Controller(控制器存储)Service(服务存储)Repository(仓库存储)Component(组件存储)Configuration(配置存储) 为什么需要这么多类注解类注解之间的关系方法注…...
全域数学核心定理集(一页纸投稿版)【乖乖数学】
全域数学核心定理集(一页纸投稿版)【乖乖数学】 作者:乖乖数学 时间:20260422...
Python静态分析工具Pylint、Flake8与Mypy实战指南
1. Python静态分析工具深度解析在Python开发中,静态分析工具就像一位经验丰富的代码审查员,能在不实际运行程序的情况下发现潜在问题。这类工具通过解析源代码来检查语法错误、编码风格违规和潜在逻辑缺陷。对于机器学习项目而言,这些工具尤为…...
Linux 时间同步服务:Chrony 深度笔记
Linux 时间同步服务:Chrony 深度笔记 NTP 时间服务器与 Chrony 的关系 1. 什么是 NTP 时间服务器 NTP(Network Time Protocol,网络时间协议)是用于在网络中(通常是互联网或局域网)同步计算机时钟的一种标准…...
杨立昆的「秘密厨房」:JEPA 到底在煮什么?——从 LeJEPA 到 EchoJEPA 的全面解读
基于 bycloud 视频解读,结合 LeJEPA、EchoJEPA、V-JEPA 2 等最新论文深度研读 视频原链接:What Is Yann LeCun Cooking? JEPA Explained Simply 一个 AI 界的"异端" 2025 年 9 月,纽约大学的一场研讨会上,Meta 首席 A…...
NanoNeuron代码实现原理:深入理解权重、偏置和损失函数的作用
NanoNeuron代码实现原理:深入理解权重、偏置和损失函数的作用 【免费下载链接】nano-neuron 🤖 NanoNeuron is 7 simple JavaScript functions that will give you a feeling of how machines can actually "learn" 项目地址: https://gitco…...
别再纠结选Matter还是Zigbee了!从技术架构到实际体验,聊聊智能家居协议该怎么选
Matter与Zigbee智能家居协议终极选择指南:从技术原理到真实用户体验 装修新家或升级智能系统时,面对琳琅满目的智能设备,最让人头疼的莫过于选择哪种通信协议。Matter和Zigbee作为当前两大主流技术标准,究竟谁更适合普通家庭&…...
如何快速提升网盘下载速度:8大平台完整解决方案
如何快速提升网盘下载速度:8大平台完整解决方案 【免费下载链接】Online-disk-direct-link-download-assistant 一个基于 JavaScript 的网盘文件下载地址获取工具。基于【网盘直链下载助手】修改 ,支持 百度网盘 / 阿里云盘 / 中国移动云盘 / 天翼云盘 /…...
岭回归原理与Python实战:解决多重共线性问题
1. 岭回归模型基础概念解析岭回归(Ridge Regression)是线性回归的一个改良版本,专门用于处理数据中的多重共线性问题。我第一次接触这个算法是在处理一组房地产数据时,当普通最小二乘法(OLS)回归系数出现反…...
服务型AI设计:从自助陷阱到智能服务革命
1. 技术演进与人类角色的转变人类与技术的关系始终处于动态变化之中。从最初的工具使用者到如今的服务提供者,这种角色转换背后隐藏着深刻的技术哲学思考。早期技术产品如电报、电话需要专业操作人员作为中介,这种模式在20世纪中期开始发生根本性转变。1…...
nli-MiniLM2-L6-H768实操手册:处理法律合同条款蕴含关系的端到端工作流
nli-MiniLM2-L6-H768实操手册:处理法律合同条款蕴含关系的端到端工作流 1. 模型简介 nli-MiniLM2-L6-H768是一个专为自然语言推理(NLI)与零样本分类设计的轻量级交叉编码器(Cross-Encoder)模型。它在保持接近BERT-base精度的同时,通过6层768维的结构设…...
