新闻详情

新闻详情

首页 / 资讯中心 / 详情

C#基本元素概述,初始类型、变量与方法

发布时间:2026/11/20 4:41:17来源:尧图网络
C#基本元素概述,初始类型、变量与方法
1.构成C#语言基本元素*标记对编译器来说有意义的记号编译器能识别出来的*标识符命名规范①要有意义②类/属性的名字是名词/名词复数③方法用动词或动词短语*标识符大小写规范①骆驼法、驼峰法第一个单词首字母小写后面的首字母大写②帕斯卡法每个单词首字母都大写变量名用驼峰法方法名/类名/名称空间用帕斯卡法*格式乱了重新调整格式例如删除多余的空格快捷键CtrlKD*注释部分编译器会过滤掉注释当做不存在关键字1普通关键字2上下文关键字仅在特定的语言结构中充当关键字的标识符。与关键字的不同在于上下文关键字可在其他部分代码中被用作标识符。某些上下文关键字如 partial 和 where在两个或更多个上下文中具有特殊含义。标识符1不能是关键字2数字、字母、下划线组成不能用数字开头3允许字符作为前缀使得关键字作标识符2.初识类型、变量和方法*用var申明一个变量编译器会自动推断出它的类型var x 3.0D; Console.WriteLine(x.GetType().Name);form引用变量引用new Form()这个实例Form form new Form();方法数据的加工厂Class Calculator { //使用public使得这个类外面也能访问到这个方法 public int Add(int a,int b) //有数据输入有数据输出 { return ab; } public string GetToday() { int day DataTime.Now.Day; //无数据输入有数据输出 return day.ToString(); } public PrintSum(int a,int b) //有数据输入无数据输出 { int result ab; Console.WriteLine(result); } }//打印从1到X Class Calculator { //循环 public void Print1ToX_1(int x) { for(int i1;ix1;i) { Console.WriteLine(i); } } //递归一个方法调用自己 public void Print1ToX_2(int x) { if(x1) { Console.WriteLine(x); } else { Console.WriteLine(x); Print1ToX_2(x-1); } } }//求1到X的和 Class Calculator { //循环 public int Sum1ToX_1(int x) { int result 0; for(int i 1;i x 1;i) { resulti; } return result; } //递归,占用内存最多 public int Sum1ToX_2(int x) { int result 0; if(x1) { return 1; } else { result x Sum1ToX_2(x-1); return result; } } //数学公式 public int Sum1ToX_3(int x) { int result (x1)*x/2; return result; } }
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/19 20:26:12

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/19 15:16:22

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/19 18:03:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉