博客
关于我
我的代码规范
阅读量:669 次
发布时间:2019-03-11

本文共 572 字,大约阅读时间需要 1 分钟。

  • 全局变量命名应加以" g_ "前缀,建议尽量减少或消除全局变量的使用,采用本地作用域变量以提高代码的可维护性和安全性。

  • 静态变量命名应采用" s_ "前缀,以便区分清楚变量类型,增强代码可读性。

  • 文件命名应统一采用小写字母和下划线的组合,保持简洁明确。注意各操作系统下文件名区分性的差异,尤其是在跨平台开发时,建议使用小写加下划线的方式。

  • 函数名应采用驼峰命名法,即第一个单词小写,其余单词首字母大写。例如,processOrder() 是一个有效的驼峰命名例子,能够提升函数名的可读性和专业性。

  • 类名、接口和类型名称应遵循驼峰命名法,即首字母除第一个外,其余均大写,并使用明确的命名风格,帮助建立强有力的概念区分。

  • 变量命名应全小写并采用下划线分隔,例如user_messagetotal_count,确保命名统一且易于理解。

  • 类或接口名称后应加上下划线,避免命名冲突或误解,例如MyClassYourClass 明确区分,后者更适合大型项目。

  • 常量命名应以" K "开头,例如K fig(jTextField),便于快速识别和管理常量,确保代码稳定性和可维护性。

  • 枚举命名应与常量或宏保持一致,避免命名冲突。例如,在 Java 中使用enum Status { ACTIVE, INACTIVATE },确保枚举命名清晰且易于管理。

  • 转载地址:http://byntz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
    查看>>
    OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
    查看>>
    OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
    查看>>