博客
关于我
设计模式学习-策略模式
阅读量:339 次
发布时间:2019-03-04

本文共 3485 字,大约阅读时间需要 11 分钟。

策略模式在商场促销中的应用

在商场促销场景下,使用策略模式可以有效地实现计算最终支付金额的功能。本文将详细介绍相关实现。

收费基类

package com.zawl.designpattern.strategy;public interface CashSuper {    BigDecimal acceptCash(BigDecimal money);}

该接口定义了一个通用收费处理方法,用于计算最终支付金额。

正常收费类

package com.zawl.designpattern.strategy;public class CashNormal implements CashSuper {    @Override    public BigDecimal acceptCash(BigDecimal money) {        return money;    }}

实现了接口中的acceptCash方法,直接返回输入金额,不做任何调整。

折扣收费类

package com.zawl.designpattern.strategy;public class CashDiscount implements CashSuper {    private BigDecimal discountRate = new BigDecimal(1);    public CashDiscount(BigDecimal discountRate) {        this.discountRate = discountRate;    }    @Override    public BigDecimal acceptCash(BigDecimal money) {        return money.multiply(discountRate).setScale(2, BigDecimal.ROUND_HALF_UP);    }}

支持打折收费,根据输入的折扣率计算最终金额。

返现收费类

package com.zawl.designpattern.strategy;public class CashReturn implements CashSuper {    private BigDecimal moneyCondition = BigDecimal.ZERO;    private BigDecimal moneyReturn = BigDecimal.ZERO;    public CashReturn(double moneyCondition, double moneyReturn) {        this.moneyCondition = new BigDecimal(moneyCondition);        this.moneyReturn = new BigDecimal(moneyReturn);    }    @Override    public BigDecimal acceptCash(BigDecimal money) {        if (money.compareTo(moneyCondition) >= 0) {            money = money.subtract(moneyReturn);        }        return money;    }}

支持返现收费,根据消费金额和满足返现条件计算最终金额。

收费上下文对象

package com.zawl.designpattern.strategy;public class CashContext {    private CashSuper cashSuper;    public CashContext(String type) {        switch (type) {            case CashConstants.NORMAL:                cashSuper = new CashNormal();                break;            case CashConstants.DISCOUNT:                cashSuper = new CashDiscount(new BigDecimal(0.8));                break;            case CashConstants.RETURN:                cashSuper = new CashReturn(300, 100);                break;        }    }    public BigDecimal getResult(double money) {        return cashSuper.acceptCash(new BigDecimal(money));    }    enum CashEnum {        NORMAL("正常收费", "1"),        DISCOUNT("打折收费", "2"),        RETURN("返现收费", "3");        CashEnum(String key, String value) {            this.key = key;            this.value = value;        }        private String key;        private String value;        public String getKey() {            return key;        }        public String getValue() {            return value;        }    }}

该类用于根据不同的收费策略选择合适的处理逻辑,提供计算最终支付金额的功能。

收费类型常量类

package com.zawl.designpattern.strategy;public class CashConstants {    public static final String NORMAL = "NORMAL";    public static final String DISCOUNT = "DISCOUNT";    public static final String RETURN = "RETURN";}

定义了常用的收费类型标识符,供上下文对象使用。

客户端调用

package com.zawl.designpattern.strategy;public class Client {    public static void main(String[] args) {        CashContext context = new CashContext(CashConstants.RETURN);        BigDecimal result = context.getResult(300);        System.out.println("最终收费:" + result.toString());        context = new CashContext(CashConstants.NORMAL);        result = context.getResult(300);        System.out.println("最终收费:" + result.toString());        context = new CashContext(CashConstants.DISCOUNT);        result = context.getResult(300);        System.out.println("最终收费:" + result.toString());    }}

客户端代码用于创建不同的收费策略上下文,调用计算最终支付金额的方法。

运行结果

通过以上实现,可以看到策略模式在不同收费场景下的应用效果。具体结果如下:

转载地址:http://ojne.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
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>>