Transducer 关键代码的解析

发表于 | 更新于: | 分类于 | 阅读次数:
字数统计: 338 | 阅读时长 ≈ 1

代码块

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
const mapping = (f) => (reducing) => (result, input) => reducing(result, f(input));

const filtering = (predicate ) => (reducing) => (result, input) => predicate(input) ? reducing(result, input) : result;


//2 
  mapping((x) => x + 1)(filtering((x) => x % 2 === 0)((xs, x) => {
  xs.push(x);
  return xs;
}));


mapping(fn)(reducing)   ====>     reducuing(result, fn(input))

在flitering 中  ，  fn(input)就作为filtering的 input了      predicate(fn(input))

const xform = R.compose(
  mapping((x) => x + 1),
  filtering((x) => x % 2 === 0),
  mapping((x=>x*x))
  
  );

解释

mapping,filter 函数

上例中的mapping 函数和 filter 函数都是 Reducer函数

  1. mapping 函数的传入 fn 作为处理遍历数组值的函数,result是作为accum 变量, input作为数组的初始值. reducing就是 reducer 函数.上面的代码可以改写为:
    1
    mapping(fn)(reducing)  ==可以变化为reducer的标准模式==>     reducuing(result, fn(input))

传入的 fn先对输入的数组元素做一下应用.然后再执行 reduce的操作. 实际如果 reducing 函数之前 compose 了很多的函数,那个都会传入到
compose时，filtering就作为 mapping 的reducing传入。和上面的方式是一样的 。这里有点绕， 还是高阶函数的问题。
compose函数时， 方向从左向右， 但是 transducing中compose的最后一个函数是作为fn传递给后面的reducing函数的。
这个地方就是理解transducer的难点。 compose的方向和reducing中的方向是不同的。