当前位置:首页 > 文章列表 > 文章 > java教程 > Java控制台点餐系统设计与总价计算

Java控制台点餐系统设计与总价计算

2026-04-08 18:09:22 0浏览 收藏
本文深入探讨了Java控制台点餐系统中几个关键设计决策:通过将价格计算逻辑从菜单项数据中剥离、推迟至订单生成时动态执行,避免了硬编码价格导致的折扣与促销扩展难题;采用每次调用`getTotal()`都实时累加各菜品`getFinalPrice()`的方式,彻底规避了缓存总价引发的状态不同步风险;统一使用`nextLine()`配合`try-catch`解析用户输入,有效防御非法输入导致的程序崩溃;并基于实际业务需求(如频繁增删菜品)坚定选择`ArrayList`而非数组,兼顾安全性与可维护性——这些看似微小的设计取舍,实则直击面向对象开发中松耦合、高内聚、易扩展的核心诉求,让代码不仅跑得稳,更经得起业务演进的反复锤炼。

如何在Java中编写控制台点餐系统_面向对象菜单设计与订单总价计算

菜单类怎么设计才不重复算价格

菜单项如果直接用 double 存价格,后续做折扣、满减、套餐拆分就容易出错——因为价格逻辑被写死在数据里了。应该把价格计算推迟到订单生成时,靠方法动态算。

  • 菜单项类(MenuItem)只存基础字段:name、basePrice、isVegetarian 等,不存“当前售价”
  • 真正要算钱的地方是 Order 类里的 calculateTotal() 方法,它遍历所有 MenuItem 实例并调用各自的 getFinalPrice()
  • 如果某道菜有会员价,就在 MenuItem 里加个 getFinalPrice(CustomerType type),而不是新增一个 memberPrice 字段

订单类如何避免 add() 后总价不更新

常见错误是把总价存在字段 total 里,然后在 add(MenuItem item) 里忘了重算——结果 getTotal() 返回的还是旧值。

  • 不要缓存总价;每次调用 getTotal() 都重新遍历 items 列表并累加 item.getFinalPrice()
  • 如果真要缓存(比如订单很大),必须确保所有修改订单的操作(add、remove、updateQuantity)都同步更新 total 字段
  • 更安全的做法是去掉 total 字段,只留 getTotal() 方法——Java 中函数调用开销几乎可忽略,省去状态同步的麻烦

控制台输入菜品编号时怎么防崩

用户输个 abc 或空行,Scanner.nextInt() 就抛 InputMismatchException,程序直接退出。这不是功能缺陷,是没处理边界输入。

  • 别用 nextInt() 直接读编号;先用 nextLine() 读整行,再用 Integer.parseInt() 转,包在 try-catch 里
  • 转完检查范围:if (id menuItems.size()),提示“编号不存在,请重试”
  • 输入流残留问题:nextInt() 不吞换行符,后面跟 nextLine() 会立刻返回空字符串——统一用 nextLine() + 解析,最稳

为什么用 ArrayList 而不是数组存菜单项

菜单后期大概率要增删(比如下架菜品、临时加新品),用数组就得手动扩容、复制,错一步就 ArrayIndexOutOfBoundsException。

  • ArrayList 支持动态增删,add() 和 remove() 安全可靠
  • 遍历时别用传统 for 循环配 size()——如果循环中删了元素,索引会错位;改用增强 for 或迭代器
  • 不需要随机访问性能优化(比如按 ID 查菜),就别提前建 Map;先跑通逻辑,再看是否真慢

菜单和订单之间的耦合点其实就两个:一是订单依赖菜单项的定价逻辑,二是编号选择需要菜单长度校验。其他地方越松越好——比如订单类完全不知道菜单怎么打印,也不该知道。

以上就是《Java控制台点餐系统设计与总价计算》的详细内容,更多关于的资料请关注golang学习网公众号!

JavaScript实时聊天实现:WebSocket双向通信详解JavaScript实时聊天实现:WebSocket双向通信详解
上一篇
JavaScript实时聊天实现:WebSocket双向通信详解
1688工厂价拿货入口,提升店铺利润指南
下一篇
1688工厂价拿货入口,提升店铺利润指南
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。
    426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。
    506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。
    517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。
    461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。
    289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