zoukankan      html  css  js  c++  java
  • Java 得到泛型中得到T.class

    Class <T> entityClass = (Class <T>) ((ParameterizedType) getClass().getGenericSuperclass()).getActualTypeArguments()[0]; 

    getGenericInterfaces()和getGenericSuperclass()

     getInterfaces()和getSuperclass()

    先来看看这两个方法都是干什么用的:

    1. public Type getGenericSuperclass()

    用来返回表示当前Class 所表示的实体(类、接口、基本类型或 void)的直接超类的Type。如果这个直接超类是参数化类型的,则返回的Type对象必须明确反映在源代码中声明时使用的类型。比如:

       

    import java.lang.reflect.ParameterizedType;  
    public class GT1 extends GT2<Integer>{  
        public static void main(String[] args) {  
            System.out.println(((ParameterizedType)new GT1().getClass().getGenericSuperclass()));  
        }  
    }  

    则输出结果即为:

    GT2<java.lang.Integer>

        如果此Class代表的是Object 类、接口、基本类型或 void,则返回 null。。如果此对象表示一个数组类,则返回表示 Object 类的 Class 对象。

    2. public Type[] getGenericInterfaces()

        与上面那个方法类似,只不过Java的类可以实现多个接口,所以返回的Type必须用数组来存储

        以上两个方法返回的都是Type对象或数组,在我们的这个话题中,Class都是代表的参数化类型,因此可以将Type对象Cast成ParameterizedType对象。而 ParameterizedType对象有一个方法, getActualTypeArguments()。

    public Type[] getActualTypeArguments()

    用来返回一个Type对象数组,这个数组代表着这个Type声明中实际使用的类型。接着使用上面的例子:

    import java.lang.reflect.ParameterizedType;  
    public class GT1 extends GT2<Integer>{  
        public static void main(String[] args) {  
        System.out.println(((ParameterizedType)new GT1().getClass().getGenericSuperclass()).getActualTypeArguments()[0]);  
        }  
    }  

    这次的显示结果将是:class java.lang.Integer

          因此,我们可以通过继承+反射的方法,来的到T.class

         需要说明的是,江南白衣使用的方法是将关键语句

         Class < T >  entityClass  =  (Class < T > ) ((ParameterizedType) getClass().getGenericSuperclass()).getActualTypeArguments()[ 0 ];

          放在了超类,也就是声明泛型的那个类的构造方法中。这样一来,子类在继承具有泛型的超类时,会自动调用超类的构造方法。在此超类的构造方法中,调用的getClass返回的是子类的Class类型(与通常的重写机制有悖,呵呵,有待深究,但测试结果确是如此),则在子类中就无需再显式地使用getGenericInterfaces()和getGenericSuperclass()等方法了。

         接着,再使用(Class<T>)对 getActualTypeArguments()返回的元素做casting,即可得到所谓的T.class

    原文地址http://blog.csdn.net/gengv/article/details/5178055

  • 相关阅读:
    第四周:卷积神经网络 part3
    第四周作业:卷积神经网络学习part3
    视频学习--《 图像语义分割前沿进展》
    视频学习--《语义分割中的自注意力机制和低秩重建》
    第二次作业:卷积神经网络 part 1
    使用VGG模型迁移学习进行猫狗大战
    使用 VGG16 对 CIFAR10 分类
    CIFAR10 数据集分类
    MNIST数据集分类
    第一次作业:深度学习基础
  • 原文地址:https://www.cnblogs.com/onlysun/p/4539472.html
Copyright © 2011-2022 走看看