当前位置:首页 > 文章列表 > Golang > Go问答 > 为什么带有指针接收器的方法在接收到值时仍然有效?

为什么带有指针接收器的方法在接收到值时仍然有效?

来源:Golang技术栈 2023-04-19 12:14:50 0浏览 收藏

Golang不知道大家是否熟悉?今天我将给大家介绍《为什么带有指针接收器的方法在接收到值时仍然有效?》,这篇文章主要会讲到golang等等知识点,如果你在看完本篇文章后,有更好的建议或者发现哪里有问题,希望大家都能积极评论指出,谢谢!希望我们能一起加油进步!

问题内容

我只是在玩围棋中的练习 51。该解释声称该Scale方法在收到 aVertex而不是指向 a 的指针时无效Vertex。

然而,当我将声明更改v := &Vertex{3, 4}为v := Vertex{3, 4}inmain时,输出中的唯一变化是缺少&标记指针。

Scale那么即使变量不是指针,为什么还要更改它接收到的变量呢?

正确答案

它不会“接收”一个值。Go 是强类型的,因此如果在某处指定了指向 T 的指针,则指向 T ( *T) 的指针是唯一可以作为此类类型位置的值的选项。

“魔术”在编译器中,它在某些条件下有效地“重写”您的代码:

x.m()如果(的类型)的方法集x包含m并且参数列表可以分配给 的参数列表,则方法调用是有效的m。Ifx是可寻址的并且 &x 的方法集包含m,x.m()是 的简写(&x).m():

相关:方法集

到这里,我们也就讲完了《为什么带有指针接收器的方法在接收到值时仍然有效?》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于golang的知识点!

版本声明
本文转载于:Golang技术栈 如有侵犯,请联系study_golang@163.com删除
在 Go 中哪些对象是默认完成的,它有哪些陷阱?在 Go 中哪些对象是默认完成的,它有哪些陷阱?
上一篇
在 Go 中哪些对象是默认完成的,它有哪些陷阱?
Go1 后有什么聪明的方法可以恢复 exp/html?
下一篇
Go1 后有什么聪明的方法可以恢复 exp/html?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    675次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    696次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    737次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    706次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    543次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码