新闻详情

新闻详情

首页 / 资讯中心 / 详情

Java零基础:面向对象和面向过程的区别

发布时间:2026/11/17 13:30:03来源:尧图网络
Java零基础:面向对象和面向过程的区别
1. 引言很多 Java 初学者在接触编程时都会听到两个概念面向过程和面向对象。它们代表了两种不同的编程思想也是理解 Java 这门语言的关键。本文将从零基础的角度出发用通俗的语言和代码示例帮你彻底搞懂这两者的区别。2. 什么是面向过程面向过程Procedure Oriented是一种以过程函数/方法为核心的编程思想。它把问题拆解成一个个步骤然后按照顺序一步步执行。2.1 核心特点以函数为基本单位数据和方法分离。代码自上而下按顺序执行逻辑直观。适合处理步骤明确、相对简单的问题。2.2 生活化类比想象你要做一顿番茄炒蛋。面向过程的思路是洗番茄切番茄打鸡蛋炒鸡蛋加入番茄翻炒出锅装盘每一步都是一个函数按顺序调用即可。整个过程关注的是「怎么做」而不是「谁来做」。3. 什么是面向对象面向对象Object Oriented是一种以对象为核心的编程思想。它把现实世界的事物抽象成对象每个对象都有自己的属性数据和行为方法。3.1 核心概念类Class对一类事物的抽象描述相当于图纸。对象Object类的具体实例相当于按图纸造出来的实物。封装把数据和操作数据的方法绑定在一起对外隐藏内部细节。继承子类可以复用父类的属性和方法。多态同一行为在不同对象上表现出不同形态。3.2 生活化类比还是番茄炒蛋的例子。面向对象的思路是定义一个「厨师」类它有「洗菜」「切菜」「炒菜」等方法。定义一个「番茄」类它有「颜色」「大小」等属性。定义一个「鸡蛋」类它有「数量」「新鲜度」等属性。然后让一个厨师对象去操作番茄对象和鸡蛋对象完成这道菜。整个过程关注的是「谁来做」以及「对象之间如何协作」。4. 代码对比下面用 Java 代码分别演示两种思想的实现方式。4.1 面向过程风格用 Java 模拟publicclassProcedureStyle{publicstaticvoidmain(String[]args){// 数据Stringtomato番茄;integgCount2;// 步骤1洗番茄wash(tomato);// 步骤2切番茄cut(tomato);// 步骤3打鸡蛋beatEgg(eggCount);// 步骤4炒菜cook(tomato,eggCount);}publicstaticvoidwash(Stringfood){System.out.println(清洗food);}publicstaticvoidcut(Stringfood){System.out.println(切food);}publicstaticvoidbeatEgg(intcount){System.out.println(打count个鸡蛋);}publicstaticvoidcook(Stringfood,intcount){System.out.println(炒food炒蛋);}}4.2 面向对象风格publicclassObjectStyle{publicstaticvoidmain(String[]args){// 创建对象ChefchefnewChef(王师傅);TomatotomatonewTomato(番茄,红色);EggeggnewEgg(2);// 对象之间协作chef.cook(tomato,egg);}}// 厨师类classChef{privateStringname;publicChef(Stringname){this.namename;}publicvoidcook(Tomatotomato,Eggegg){System.out.println(name开始做菜);wash(tomato);cut(tomato);beatEgg(egg);System.out.println(番茄炒蛋完成);}privatevoidwash(Tomatotomato){System.out.println(清洗tomato.getName());}privatevoidcut(Tomatotomato){System.out.println(切tomato.getName());}privatevoidbeatEgg(Eggegg){System.out.println(打egg.getCount()个鸡蛋);}}// 番茄类classTomato{privateStringname;privateStringcolor;publicTomato(Stringname,Stringcolor){this.namename;this.colorcolor;}publicStringgetName(){returnname;}}// 鸡蛋类classEgg{privateintcount;publicEgg(intcount){this.countcount;}publicintgetCount(){returncount;}}5. 两者的核心区别对比维度面向过程面向对象基本单位函数方法对象类数据与操作分离封装在一起关注点怎么做步骤谁来做对象协作代码组织按功能划分函数按现实事物划分对象扩展性较差新增功能需改多处较好通过继承和多态扩展复用性函数级复用类级复用更灵活适用场景简单、步骤明确的小程序复杂、业务逻辑多的大型系统6. 为什么 Java 是面向对象的Java 是一门纯面向对象的编程语言主要体现在一切皆对象基本数据类型也有对应的包装类。程序由类和对象组成通过对象之间的消息传递来协作。提供了封装、继承、多态三大特性方便构建大型软件系统。当然Java 中也有面向过程的影子比如main方法本身就是按顺序执行的但整体设计思想是面向对象的。7. 总结面向过程以函数为中心按步骤解决问题简单直接。面向对象以对象为中心模拟现实世界适合复杂系统。两者并非对立面向对象内部也包含面向过程的逻辑方法内部就是按步骤执行的。作为 Java 初学者先理解这两种思想的差异再逐步掌握类、对象、封装、继承、多态等概念就能真正入门面向对象编程。
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 2026/11/17 7:04:08

【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 2026/11/17 5:42:44

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 2026/11/16 19:23:38

【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 ... 2026/11/17 6:55:04

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 2026/11/17 5:57:47

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 2026/11/16 17:28:18

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
📞 ✉