Scala总结终结篇

接Scala总结下篇

八、集合

8.13 自定义排序 SortWith

 --自定义排序：
    1.方法：sortWith(形参)，返回值为经过自定义排序以后的集合；
    2.形参：是一个函数，
           函数形参为：集合中的两个元素，
               参数1：第一个元素left；
               参数2：第二个元素right；
           函数返回值为：boolean类型，true和false
    3.排序规则：       
         a、如果"left > right",则是左边的数据比右边的大，则是"降序"
         b、如果"left < right",则是左边的数据比右边的小，则是"升序"

    4.函数返回值：
       	a、当满足你的排序要求时，你就返回true
      	b、当不满足你的排序要求时，你就返回false
    5.比较方式：在scala中，默认是指两两进行比较
         
    6.默认排序规则：sortWith()默认是升序

   val list = List(("a", 1), ("a", 5), ("c", 10))

	//根据每个元组的第二个元素的值进行比较，此时为降序
    val result: List[(String, Int)] = list.sortWith((left, right) => {
      left._2 > right._2
    })
    println(result)//List((c,10), (a,5), (a,1))

 	 /*
      如下代码的逻辑为：
      先比较元组中的第一个元素，按照字典的顺序进行降序排序；
      如果第一个元素相等，则按照第二个元素的升序排序
       */
    val result1 = list.sortWith((left, right) => {
      if (left._1 > right._1) {
        true
      } else if (left._1 == right._1) {
        left._2 < right._2
      } else {
        false
      }
    })
    println(result1)//List((c,10), (a,1), (a,5))

8.14 集合的一些运算

8.14.1 并集 union

      1. 并集，合集:求两个集合中所有的元素，可能会有重复的元素,不适用于Map和Set集合
      2. 方法：union

    val list1 = List(("a", 1), ("b", 2))
    val list2 = List(("b", 2), ("c", 3))

    println(list1.union(list2)) //List((a,1), (b,2), (b,2), (c,3))

8.14.2 交集 intersect

       1. 交集：集合1和集合2的共同数据
       2. 方法：intersect()

    println(list1.intersect(list2)) //List((b,2))

8.14.3 差集 diff

       1. 差集：集合1去除和集合2相同数据之后的数据集
       2. 方法：diff()

    println(list1.diff(list2)) //List((a,1))
    println(list2.diff(list1)) //List((c,3))

8.14.4 拉链 zip

       1. 关联，拉链：将集合1和集合2的数据按照索引相同的数据关联在一起
       2. 方法：zip(),返回一个map集合
       3. 注意：
            a、返回值的集合的数据取决于个数少的集合
            b、也可以自己关联自己

    println(list1.zip(list2)) //List(((a,1),(b,2)), ((b,2),(c,3)))
    println(list1.zip(list1)) //List(((a,1),(a,1)), ((b,2),(b,2)))

8.14.5 数据关联索引

       1. 数据和数据的索引进行关联,返回一个map集合
       2. 方法：zipWithIndex

   println(list1.zipWithIndex)//List(((a,1),0), ((b,2),1))

8.14.6 滑动 sliding

       1. 滑动：将数据的一部分作为整体来使用。
                数据指定的范围进行滑动，可以将这个范围理解为滑动的窗口
       2. 方法：sliding(形参)，返回一个迭代器，迭代器中的元素是一个一个的集合
       3. 形参：有两个参数：
            	参数1：size：窗口数据的长度
           		参数2：step：窗口滑动的步长，幅度 ，可选参数，默认步长为1

    val slidlist = List(1,2,3,5,6,4,1)
    val iterator: Iterator[List[Int]] = slidlist.sliding(3)
    iterator.foreach(println)
        //    List(1, 2, 3)
        //    List(2, 3, 5)
        //    List(3, 5, 6)
        //    List(5, 6, 4)
        //    List(6, 4, 1)
    val iterator1: Iterator[List[Int]] = slidlist.sliding(3,3)
    iterator1.foreach(println)
        //    List(1, 2, 3)
        //    List(5, 6, 4)
        //    List(1)

8.15 reduce

8.15.1 reduce

    集合的自定义计算：简化，规约
      1. 方法：reduce(op:(A1,A1)=>A1)，递归形参中的函数，返回一个计算结果
      2. 形参：是一个函数，函数的形参有两个参数，为集合中的两个元素，
              要求这两个元素的数据类型一致，返回值和形参的数据类型保持一致.
      3. 注意：当集合中的数据类型不一致，进行reduce计算时，会报类型匹配错误：type mismatch

 	val list = List(1,2,3,4)
    val result: Int = list.reduce(_ + _)
    println(result)// (((1 + 2) + 3) + 4) =10

    val result1: Int = list.reduce(_ - _)
    println(result1) // (((1 - 2) - 3) - 4) = -8

8.15.2 reduceLeft

       1. 说明：reduce()方法的底层就是调用了reduceLeft()方法
       2. 方法：reduceLeft(op:(B,Int)=>B)，同样是通过递归调用参数的函数体进行计算，然后返回一个计算结果
       3. 形参：是一个函数，函数有两个参数
                参数1：B类型，集合中从左边开始的第一个元素的数据类型，与第二个参数类型是相关的，集合第一个元素
                参数2：集合中数据类型,集合中的一个一个的元素
                返回结果：函数的返回值类型与参数1的数据类型保持一致
      4. 说明：何为参数1的数据类型与参数2的数据类型相关？
              a、就是参数1和参数2在函数体中经过一系列计算以后，返回值的类型需要和参数1一致。

    val list1 = List(5,10,0,2,3)
    val l: Long = list1.reduceLeft(_ - _)
    println(l) // ((((5 - 10) - 0) - 2) - 3) = -10

8.15.3 reduceRight

       1. 方法：reduceRight(op:(B,Int)=>B)：同样是通过递归调用参数的函数体进行计算，然后返回一个计算结果
       2. 形参：是一个函数，
                参数1：B类型，集合中从右边开始的第一个元素的数据类型，与第二个参数类型是相关的。
                参数2：集合中数据类型,集合中的一个一个的元素
                返回结果：函数的返回值类型与参数1的数据类型保持一致

       3. 说明：底层转化为：reversed.reduceLeft[B]((x, y) => op(y, x))
               转化过程：
                   假如：集合：(1,2,3,4,5)，反转以后：
                   => (5,4,3,2,1)，反转参数1和参数2，本应该是5,4，反转以后，就变成4，5
                   第一轮：
                   => 参数1: 4
                      参数2: 5
                   第二轮：
                   => 参数1：3
                      参数2：第一轮计算结果
                   第三轮：
                   => 参数1: 2
                      参数2：第二轮计算结果

    val list1 = List(5,10,0,2,3)
    val result3: Int = list1.reduceRight(_-_)
    println(result3) // (5 - (10 - (0 - (2 - 3)))) = -4

8.15.4 总结reduce、reduceLeft、reduceRight

 "总结"：(reduce、reduceLeft),reduceRight计算方式: " 加括号"
     a、left： 从左边加括号
     b、right：从右边加括号

    举例：
    val list = List(1,5,4,3,4)
    list.reduceLeft(_ - _ )
    list.reduceRight(_ - _ )
    计算过程：
    left : ((((1 - 5 ) - 4 ) - 3 ) - 4 )   => -15
    right: (1 - (5  - ( 4  - ( 3  - 4))))  => 1

关注方法的参数的数据类型。

8.16 折叠 fold

• fold

        1. 折叠：将集合之外的数据和集合内部的数据进行聚合操作，聚合数据的方式是两两操作
        2. 方法：fold(z:A1)(op:(A1：A1) =>A1),返回值类型与第一个参数列表的数据类型保持一致。
                参数列表：两个参数列表，体现了函数的柯里化
                参数列表1：z:A1 => zero:A1，表示数据处理的初始值
                参数列表2：op:(A1：A1) =>A1,表示聚合函数的逻辑，与reduce()方法一样
                参数列表中的三个参数类型需保持一致
        3. 说明：
              a、fold进行数据处理时，集合外的数据与集合内部的数据类型一般保持一致，也可以不一致。
              b、在spark和scala源码中的z/zero均是表示初始值。
              c、从源码的角度讲，fold方法的底层其实就是foldLeft

    val list = List(1,2,3,4,5)
    println(list.fold(2)(_ - _))//等价于(((((2 - 1) - 2) - 3) - 4)  - 5) = -13

• foldLeft、foldRight

      1. 折叠和reduce()方法一样，也是有foldLeft()和foldRight()方法，底层实现逻辑也是完全一样。
      2. 注意：
          a、第一个形参列表的数据作为第一个数据进行运算。
          b、foldLeft((z:B)(op:(B,int)=>B)),形参列表1的数据类型需要和形参列表2中的函数第一个参数数据类型保持一致。
          c、fold,foldLeft,foldRight方法的返回值类型为初始值的类型

     println(list.foldRight(10)(_ - _))
     // 计算过程:(1 - (2 - (3 - (4 - (5 - 10))))) = -7

        println(list.foldLeft(10)(_ - _))
     //  计算过程:(((((10 - 1) - 2) - 3) - 4) - 5) = -5

• 应用，合并集合

    // TODO Scala - 集合 - 合并集合
    // Map( a->1, b->2, c->3 )
    // Map( a->4, d->5, c->6 )
    // =>
    // Map( a->5, b->2, d->5, c->9 )

    val map1: Map[String, Int] = Map("a"->1,"b"->2,"c"->3)
    val map2: mutable.Map[String, Int] = mutable.Map("a"->2,"d"->2,"c"->5)

    //t 为集合map1中一个一个元素，map为每一次计算的结果，第一次递归时，是将map2集合赋值为map
    val result: mutable.Map[String, Int] = map1.foldLeft(map2)((map, t) => {
      val k: String = t._1
      val v: Int = t._2

      val num: Int = map.getOrElse(k, 0)
      map.put(k, v + num)
      map

    })
    println(result)

8.17 scan

  scan和fold的方法逻辑是一样的，唯一区别就是fold返回最后的计算结果，scan会把每一次递归的计算结果都会保留下来

8.18 队列

    1. Queue：普通队列
    2. Dueue：双端队列，kafka就是双端队列，保证数据发送到kafka的topic中是有序的
    3. BlockQueue:阻塞式队列

    // 创建队列
    val queue: mutable.Queue[String] = mutable.Queue[String]()
    
    // 添加数据
    queue.enqueue("scala", "java")

    // 获取队列中的数据,按照队列中的数据顺序进行获取数据
    val str1: String = queue.dequeue()
    val str2: String = queue.dequeue()

    println(str1)//scala
    println(str2) //java

8.19 并行

    val list = List(1,2,3,4,5)
    list.par.foreach((i) =>{
      println(Thread.currentThread().getName)
    })

    //scala-execution-context-global-14
    //scala-execution-context-global-13
    //scala-execution-context-global-12
    //scala-execution-context-global-15
    //scala-execution-context-global-16

    list.foreach((i) =>{
      println(Thread.currentThread().getName)
    })
    //main
    //main
    //main
    //main
    //main

8.20 集合练习

需求：

对每个省份里不同商品的点击率排行
 val dataList = List(
      ("zhangsan", "河北", "鞋"),
      ("lisi", "河北", "衣服"),
      ("wangwu", "河北", "鞋"),
      ("zhangsan", "河南", "鞋"),
      ("lisi", "河南", "衣服"),
      ("wangwu", "河南", "鞋"),
      ("zhangsan", "河南", "鞋"),
      ("lisi", "河北", "衣服"),
      ("wangwu", "河北", "鞋"),
      ("zhangsan", "河北", "鞋"),
      ("lisi", "河北", "衣服"),
      ("wangwu", "河北", "帽子"),
      ("zhangsan", "河南", "鞋"),
      ("lisi", "河南", "衣服"),
      ("wangwu", "河南", "帽子"),
      ("zhangsan", "河南", "鞋"),
      ("lisi", "河北", "衣服"),
      ("wangwu", "河北", "帽子"),
      ("lisi", "河北", "衣服"),
      ("wangwu", "河北", "电脑"),
      ("zhangsan", "河南", "鞋"),
      ("lisi", "河南", "衣服"),
      ("wangwu", "河南", "电脑"),
      ("zhangsan", "河南", "电脑"),
      ("lisi", "河北", "衣服"),
      ("wangwu", "河北", "帽子")
    )

• 代码

val result: Map[String, List[(String, Int)]] = dataList.map(t => {
      (t._2, t._3)//去除用户名信息，结构转化，使用map，("河北，鞋子")
    })
      .groupBy(_._1)//按照省份进行分组，("河北"，("河北，鞋子"))
      .map(t => {
        val list: List[(String, Int)] =
          t._2.map(_._2) //将("河北，鞋子") -> ("鞋子")
            .groupBy(pro => pro)
            .map(tuple => {
              (tuple._1, tuple._2.length)
            })
            .toList
            .sortBy(_._2)(Ordering.Int.reverse)

        (t._1, list)
      })
    println(result)

九、模式匹配

9.1 模式匹配介绍

    -- scala中模式匹配与java中switch的区别
        1. 模式匹配和java中的switch..case .. default的格式很类似，但是也有很多是不一样的。
        2. java:switch具有穿透现象，就是不加break语句，逻辑一旦满足条件，则下面的所有分支都会执行
        3. scala：没有switch语法，采用了模式匹配的方式代替了switch方法，但是功能比switch更强大
                  因为可以按照规则对数据或对象进行匹配。
  
    -- scala中的模式匹配用法说明：
        1. 每个分支后面的代码逻辑不需要使用break
        2. 使用下滑线表示任意值，类似java中switch的default分支
        3. 模式匹配的顺序，自上而下的匹配顺序，一旦匹配成功，就会执行匹配成功后面的逻辑代码，执行完成以后，就会跳出match方法
        4. 如果全部匹配完成以后，都没有匹配成功，则会报异常
        5. 默认分支放在分支结构中的顺序不同，执行会有差异，放在默认分支后面的所有匹配都是无法被执行的，所以默认分支
        	（case _）一般是放在所有分支的后面，模仿switch中的default 

   val age = 10
    age match {
      case _ => println("4")
      case 1 => println("1")
      case 2 => println("2")
      case 3 => println("3")
    }

9.2 模式匹配的应用

9.2.1 匹配常量

   val name = "scala"
    name match {
      case "java" => println("java")
      case "hadoop" => println("hadoop")
      case "scala" => println("scala")
      case _ => println("other")
    }

9.2.2 匹配类型

      1. Array[数据类型]，中括号中的数据类型不是泛型，而是数组的数据类型，编译器编译时：
               val array = Array("a","2","2")
            => String[] array = new String[]("a","2","2")
       2. 类型匹配:不匹配泛型,只要类型一致，则匹配成功
       3. 关于默认分支：如果我们使用到默认分支的参数，那么可以使用一个变量，并在匹配逻辑代码中应用
                       如果我们不使用，那么我们就可以使用下划线进行代替
       4. 下划线还可以表示泛型中的任意类型，如List[_]

//将传递的值赋值给了case后面的变量，如i,s,m,...
def describe(x: Any) = {
      x match {
        case i: Int => i
        case s: String => "String hello"
        case m: List[_] => "List"
        case c: Array[Int] => "Array[Int]"
        case scala => "something else " + scala
      }
    }

    val b: Byte = 10
    val array = Array("a", "2", "2")
    val list = List("s", "c")

    println(describe(b))     //"something else " + 10
    println(describe(array)) //something else [Ljava.lang.String;@11531931
    println(describe(list))  //"List"

9.2.3 匹配数组

    val array1 = Array(2, 2)
    val result = array1 match {
      case Array(1, _) => println("1,_")
      case Array(0, _) => println("0,_")
      case Array(_, 0) => println("_,0")
      case Array(_, 1) => println("_,1")
      case Array(x, y) => println(x + y)
      case Array(_*) => println("_*")
    }
 
 println(result) //4

9.2.4 匹配元组

 val list8 = List((0, 1), (2, 2), (2, 3), (4, 1))

    for (tuple <- list8) {
      tuple match {
        case (0, _) => println("0....")
        case (1, _) => println("1....")
        case (2, _) => println("2....")
        case (x, y) => println(x + y)
      }
    }

/* 0....
   2....
   2....
   5

9.2.5 匹配列表

    val list4 = List(1, 2, 3, 4)
    val list5 = List(1, 2, 3)
    val list6 = List(1, 2)
    val list7 = List(1) 

    def describeList(list: List[_]) = {
      list match {
        case first :: second :: rest => println(first + " - " + second + " - " + rest)
      }
        
    println(describeList(list4))// 1 - 2 - List(3,4) 
    println(describeList(list5))// 1 - 2 - List(3)
    println(describeList(list6))// 1 - 2 - List()
    println(describeList(list7))//不行，报错

9.2.6 匹配对象

       1. 进行匹配对象时，会自动调用unapply()方法，这里的匹配对象，"是匹配对象的属性是否相等"
       2. unapply()方法，使用对象自动获取属性值

object Scala2_MatchObject {
  def main(args: Array[String]): Unit = {
  
    val emp = Emp("scala", 20)
    emp match {
      case Emp("scala", 20) => println("yes")
      case _ => println("no")
    }

  }

}

class Emp(val name: String, val age: Int) {
}

object Emp {
  def apply(name: String, age: Int): Emp = new Emp(name, age)
    
  def unapply(emp: Emp): Option[(String, Int)] =  Option((emp.name, emp.age))
}

9.3 样例类(重要)

      1. 概念：使用关键字"case声明的类"，称为样例类
      2. 作用：专门用于匹配对象
      3. 说明:
              a、样例类在编译时，会自动生成伴生对象以及apply方法
              b、样例类中参数默认是使用val声明的，所以参数其实就是类的属性
              c、如果想要是属性可以进行修改，那么需要显示的使用var修饰参数
              d、样例类自动生成的方法有：toString()/equals()/hashcode()/copy()/apply()/unapply()
              e、样例类还实现了serilizable接口
              f、在实际开发中，一般使用样例类，便于开发

object Scala3_CaseObject {
  def main(args: Array[String]): Unit = {

    //创建样例类的对象
    val emp = Emp1("scala",20)
    
    //进行模式匹配
    emp match {
      case Emp1("scala",21) => println("yes")
      case other => println( other) //Emp1(scala,20)
    }
  }
}
//声明样例类
case class Emp1(name :String,age :Int)

9.4 模式匹配的应用

9.4.1 应用1

//应用1：将如下集合元组的第二元素乘于3
    val list = List(("a", 1), ("b", 2), ("c", 3))
    //方法1：使用map()进行结构转化
    val newList: List[(String, Int)] = list.map(tuple => {
      (tuple._1, tuple._2 * 3)
    })
    println(newList)

    /*
    方法2：map + 模式匹配的方法,集合的元素进行case模式匹配，这里属于元组匹配
          map方法的小括号变成{},case后面的()，不是形参，而是一个元组
     */
    val newList1: List[(String, Int)] = list.map { case (word, count) => (word, count * 3) }
    println(newList1)

9.4.2 应用2

   //应用2：取map中v的第二个元素
    val map: Map[String, (String, Int)] = Map("a" -> ("aa", 1), "b" -> ("bb", 2))
    //方法1：
    val newMap1: immutable.Iterable[Int] = map.map(t => {
      t._2._2
    })
    println(newMap1)
    //方法2：使用map + 模式匹配
    val newMap2: immutable.Iterable[Int] = map.map {
      case (k1, (k2, count)) => {
        count
      }
    }
    println(newMap2)

9.4.3 应用3

//应用3：变量声明，元组匹配,使用变量直接赋值的方式
    val (id, name, age) = (1, "scala", 20)
    println(name)//scala

9.4.4 应用4

//应用4 ： 循环匹配
    map.foreach {
      case (k1, (k2, count)) => {
        println(count)
      }
    }
    println("================")

9.4.5 应用5

//应用5 ： 过滤数据
    val array = Array(1, 2, 3, 5, 9, 10)
    //打印奇数的值
    //方法1：
    array.foreach(num => {
      if (num % 2 != 0) {
        print(num + " ")
      }
    })
//方式2见偏函数

9.5 偏函数

    1. 偏函数：使用模式匹配进行数据的处理
              以偏概全：
              偏：部分
              全：整体
    2. 作用：对一部分满足条件的数据进行处理
             map函数不支持偏函数，支持全函数
    3. 自定义偏函数语法：
         val pef : PartialFunction(数据类型1，数据类型2) ={
          函数体，使用模式匹配，来处理满足条件的数据
          }
          
         形参：数据类型1：调用函数的对象的元素类型
              数据类型2：经过函数体处理以后的结果类型
    4. 调用支持偏函数的函数，collect：采集，支持偏函数
    
    5. 偏函数在一般情况下可以使用模式匹配进行代替

val list = List(1,2,"3",6,"4",5,10)


    //方式一：采用声明偏函数方式
    val pef : PartialFunction[Any, Any]= {

      case m: Int => m * 2
      case s: String => s

    }
    val newList: List[Any] = list.collect(pef)
    println(list)
    println(newList) //List(2, 4, 3, 12, 4, 10, 20)

   //方式二：使用模式匹配来代替偏函数
    val newList2: List[Any] = list.collect {
      //不是Int类型的数据则被过滤掉，此时有未匹配上的数据，也不会报错
      case m: Int => m * 2
    }

    println(newList2) //List(2, 4, 12, 10, 20)

十 、异常

十 一、隐式转换

11.1 简介

   1. 两个类型能转换需存在的关系：
      a、父子类
      b、接口或实现类

    2. java中基本类型的数值之间存在精度的转换和截取，
       scala中没有精度的概念，编译时会自动由编译器调用java的逻辑来进行数值操作

    3. 假如不存在关系呢？
       引出隐式转换的概念。
          a、如果两个类型之间不存在关系，无法进行类型的转换，但是编译器在编译时，尝试找到对应的转换关系将类型进行转换，让程序              编译通过，这个自动转换的过程，称之为隐式转换。
          b、这个过程由编译器完成，也称之为二次编译。

    4. 拆解分析：
          a、编译器可以按照指定的规则进行查找，让错误的逻辑通过转换后，编译运行通过，这个功能称之为隐式转换。
          b、这里的隐式转换就是让编译器查找转换的规则，类型的转换 A => B

    5. 如果想要编译器可以找到转换规则，那么需要使用特殊的关键词来实现：implicit


    6. 隐式转换的作用：
          a、程序因为意外的情况，导致正确的逻辑出现错误，如版本的升级
          b、功能的拓展。

//声明隐式函数
implicit def func(i: Int): Byte = {
      i.toByte
    }    
  val b: Int = 10
//将Int类型的b赋值为Byte类型的C
  val c: Byte = b
  println(c)
 

11.2 应用

11.2.1 简单应用1

    1. 如果在当前的范围内，有多个相同的转换规则怎么办？
        转换无法成功，因为编译器无法识别用哪个转换规则
    
    2. 什么时候会调用隐式转换的规则呢？
        二次编译时，第一次编译出现出错时，会选择隐式转换

    3. 转换的过程：
        编译出错 -> 编译器查找转换规则 -> 二次编译

//需求：在原来的基础上，增加update()方法，如何实现呢？

• 方式1:使用混入特质的方式

object Scala2_implicit {
  def main(args: Array[String]): Unit = {
    //方式1：使用混入特质的方式
    val emp = new emp2() with methodext
    emp.insert
    emp.update()
  }
}

trait methodext {
  def update() = {
    println("update...")
  }
}

class emp2 {
  def insert() = {
    println("insert....")
  }
}

• 方式2：使用隐式转换

object Scala2_implicit {
  def main(args: Array[String]): Unit = {
    val emp = new emp2()
    emp.insert
    emp.update() 
    //方式2：使用隐式转换,只是一种转换规则，类型的转换
    implicit def transform(emp: emp2): Partent = {
        new Partent
    }
  }
}

class Partent {
  def update() = {
    println("update ...")
  }
}

class emp2 {
  def insert() = {
    println("insert....")
  }

}

11.2.2 隐式函数

	  1. 函数的参数预先知道可能会发生变化，为了遵循ocp的开发原则，可以给函数增加关键字implicit修饰一下	
    

//声明隐式函数
implicit def func(i: Int): Byte = {
      i.toByte
    }    
  val b: Int = 10
//将Int类型的b赋值为Byte类型的C
  val c: Byte = b
  println(c)

11.2.3 隐式变量

     1. 如果使用因素参数进行处理时，那么在调用函数时
     2. implicit修饰函数的参数时，这个参数所在的参数列表只能有一个参数
     3. 如果使用了()小括号，那么隐式变量无法使用

  def info2(name:String)( implicit password:String="000000")={
      println("name:" + name + ", password: " + password)
    }

    def info1(name:String)( password:String="000000")={
      println("name:" + name + ", password: " + password)
    }

    implicit val  password = "88888"
//即使我们给了默认值，但是形参的小括号()不能省
    info1("lianzhipeng")()  //name:lianzhipeng, password: 000000
//没有使用小括号，隐式变量有效
    info2("lianzhipeng")    //name:lianzhipeng, password: 88888
//加了小括号，隐式变量无效
    info2("lianzhipeng")()  //name:lianzhipeng, password: 000000

   def func1(implicit  d :Double) :Int ={
      d.toInt
    }

    implicit  val d :Double = 10.0

    println(func1(3)) // 3
    println(func1) //10

11.2.4 隐式类

 -- 隐式类
      a、scala 2.10 版本增加了此功能
      b、构造参数必须存在且只有一个参数，用于类型转换
      c、参数类型（User） => 当前类型(UserExt)
      d、隐式类必须被定义在“类”或“伴生对象”或“包对象”里，即隐式类不能放置在顶级（top-level）对象中

object Scala_implicitClass {
  def main(args: Array[String]): Unit = {

    val user = new  User4
    user.update()

  }
//隐式类，注意构造函数的参数
implicit  class User4Ext(use :User4) {
   def update()={
     println("update ... ")
   }
  }
}

class User4 {
  def insert() = {
    println("insert ... ")
  }
}

11.3 隐式机制

     所谓的隐式机制，就是一旦出现编译错误时，编译器会从哪些地方查找对应的隐式转换规则
     1. 当前代码的作用域中找到即可
     2. 当前代码上级作用域
     3. 当前类所在的包对象
     4. 当前类的父类或特质
    
    --总结： 如果想要隐式转换，那么直接导入

object Scala5_implicit {
  def main(args: Array[String]): Unit = {

    import com.atguigu.Scala_chapter01.scala_chapter10.Scala_implicitClass._
    val user = new User4
    user.update
  }

}

class User4 {
  def insert() = {
    println("insert ... ")
  }
}

十二、泛型

12.1

十三、正则表达式

存在且只有一个参数，用于类型转换

c、参数类型（User） => 当前类型(UserExt)

d、隐式类必须被定义在“类”或“伴生对象”或“包对象”里，即隐式类不能放置在顶级（top-level）对象中

```scala
object Scala_implicitClass {
  def main(args: Array[String]): Unit = {

    val user = new  User4
    user.update()

  }
//隐式类，注意构造函数的参数
implicit  class User4Ext(use :User4) {
   def update()={
     println("update ... ")
   }
  }
}

class User4 {
  def insert() = {
    println("insert ... ")
  }
}

11.3 隐式机制

     所谓的隐式机制，就是一旦出现编译错误时，编译器会从哪些地方查找对应的隐式转换规则
     1. 当前代码的作用域中找到即可
     2. 当前代码上级作用域
     3. 当前类所在的包对象
     4. 当前类的父类或特质
    
    --总结： 如果想要隐式转换，那么直接导入

object Scala5_implicit {
  def main(args: Array[String]): Unit = {

    import com.atguigu.Scala_chapter01.scala_chapter10.Scala_implicitClass._
    val user = new User4
    user.update
  }

}

class User4 {
  def insert() = {
    println("insert ... ")
  }
}

十二、泛型

12.1

十三、正则表达式