python如何设计工具类_常用工具类

Java的核心库提供了大量的现成的类供我们使用。本节我们介绍几个常用的工具类。

Math

顾名思义&＃xff0c;Math类就是用来进行数学计算的&＃xff0c;它提供了大量的静态方法来便于我们实现数学计算&＃xff1a;

求绝对值&＃xff1a;

Math.abs(-100); // 100

Math.abs(-7.8); // 7.8

取最大或最小值&＃xff1a;

Math.max(100, 99); // 100

Math.min(1.2, 2.3); // 1.2

计算xy次方&＃xff1a;

Math.pow(2, 10); // 2的10次方&＃61;1024

计算√x&＃xff1a;

Math.sqrt(2); // 1.414...

计算ex次方&＃xff1a;

Math.exp(2); // 7.389...

计算以e为底的对数&＃xff1a;

Math.log(4); // 1.386...

计算以10为底的对数&＃xff1a;

Math.log10(100); // 2

三角函数&＃xff1a;

Math.sin(3.14); // 0.00159...

Math.cos(3.14); // -0.9999...

Math.tan(3.14); // -0.0015...

Math.asin(1.0); // 1.57079...

Math.acos(1.0); // 0.0

Math还提供了几个数学常量&＃xff1a;

double pi &＃61; Math.PI; // 3.14159...

double e &＃61; Math.E; // 2.7182818...

Math.sin(Math.PI / 6); // sin(π/6) &＃61; 0.5

生成一个随机数x&＃xff0c;x的范围是0 <&＃61; x <1&＃xff1a;

Math.random(); // 0.53907... 每次都不一样

如果我们要生成一个区间在[MIN, MAX)的随机数&＃xff0c;可以借助Math.random()实现&＃xff0c;计算如下&＃xff1a;

// 区间在[MIN, MAX)的随机数

public class Main {

public static void main(String[] args) {

double x &＃61; Math.random(); // x的范围是[0,1)

double min &＃61; 10;

double max &＃61; 50;

double y &＃61; x * (max - min) &＃43; min; // y的范围是[10,50)

long n &＃61; (long) y; // n的范围是[10,50)的整数

System.out.println(y);

System.out.println(n);

}

}

有些童鞋可能注意到Java标准库还提供了一个StrictMath&＃xff0c;它提供了和Math几乎一模一样的方法。这两个类的区别在于&＃xff0c;由于浮点数计算存在误差&＃xff0c;不同的平台&＃xff08;例如x86和ARM&＃xff09;计算的结果可能不一致&＃xff08;指误差不同&＃xff09;&＃xff0c;因此&＃xff0c;StrictMath保证所有平台计算结果都是完全相同的&＃xff0c;而Math会尽量针对平台优化计算速度&＃xff0c;所以&＃xff0c;绝大多数情况下&＃xff0c;使用Math就足够了。

Random

Random用来创建伪随机数。所谓伪随机数&＃xff0c;是指只要给定一个初始的种子&＃xff0c;产生的随机数序列是完全一样的。

要生成一个随机数&＃xff0c;可以使用nextInt()、nextLong()、nextFloat()、nextDouble()&＃xff1a;

Random r &＃61; new Random();

r.nextInt(); // 2071575453,每次都不一样

r.nextInt(10); // 5,生成一个[0,10)之间的int

r.nextLong(); // 8811649292570369305,每次都不一样

r.nextFloat(); // 0.54335...生成一个[0,1)之间的float

r.nextDouble(); // 0.3716...生成一个[0,1)之间的double

有童鞋问&＃xff0c;每次运行程序&＃xff0c;生成的随机数都是不同的&＃xff0c;没看出伪随机数的特性来。

这是因为我们创建Random实例时&＃xff0c;如果不给定种子&＃xff0c;就使用系统当前时间戳作为种子&＃xff0c;因此每次运行时&＃xff0c;种子不同&＃xff0c;得到的伪随机数序列就不同。

如果我们在创建Random实例时指定一个种子&＃xff0c;就会得到完全确定的随机数序列&＃xff1a;

import java.util.Random;

----

public class Main {

public static void main(String[] args) {

Random r &＃61; new Random(12345);

for (int i &＃61; 0; i <10; i&＃43;&＃43;) {

System.out.println(r.nextInt(100));

}

// 51, 80, 41, 28, 55...

}

}

前面我们使用的Math.random()实际上内部调用了Random类&＃xff0c;所以它也是伪随机数&＃xff0c;只是我们无法指定种子。

SecureRandom

有伪随机数&＃xff0c;就有真随机数。实际上真正的真随机数只能通过量子力学原理来获取&＃xff0c;而我们想要的是一个不可预测的安全的随机数&＃xff0c;SecureRandom就是用来创建安全的随机数的&＃xff1a;

SecureRandom sr &＃61; new SecureRandom();

System.out.println(sr.nextInt(100));

SecureRandom无法指定种子&＃xff0c;它使用RNG&＃xff08;random number generator&＃xff09;算法。JDK的SecureRandom实际上有多种不同的底层实现&＃xff0c;有的使用安全随机种子加上伪随机数算法来产生安全的随机数&＃xff0c;有的使用真正的随机数生成器。实际使用的时候&＃xff0c;可以优先获取高强度的安全随机数生成器&＃xff0c;如果没有提供&＃xff0c;再使用普通等级的安全随机数生成器&＃xff1a;

import java.util.Arrays;

import java.security.SecureRandom;

import java.security.NoSuchAlgorithmException;

----

public class Main {

public static void main(String[] args) {

SecureRandom sr &＃61; null;

try {

sr &＃61; SecureRandom.getInstanceStrong(); // 获取高强度安全随机数生成器

} catch (NoSuchAlgorithmException e) {

sr &＃61; new SecureRandom(); // 获取普通的安全随机数生成器

}

byte[] buffer &＃61; new byte[16];

sr.nextBytes(buffer); // 用安全随机数填充buffer

System.out.println(Arrays.toString(buffer));

}

}

SecureRandom的安全性是通过操作系统提供的安全的随机种子来生成随机数。这个种子是通过CPU的热噪声、读写磁盘的字节、网络流量等各种随机事件产生的“熵”。

在密码学中&＃xff0c;安全的随机数非常重要。如果使用不安全的伪随机数&＃xff0c;所有加密体系都将被攻破。因此&＃xff0c;时刻牢记必须使用SecureRandom来产生安全的随机数。

需要使用安全随机数的时候&＃xff0c;必须使用SecureRandom&＃xff0c;绝不能使用Random&＃xff01;

小结

Java提供的常用工具类有&＃xff1a;

Math&＃xff1a;数学计算

Random&＃xff1a;生成伪随机数

SecureRandom&＃xff1a;生成安全的随机数