设计一个包含许多可选组件的函数

Question

我试图找出一个很好的方法来设计一个函数，其中包含(许多)可选组件。

对于一个具体的例子，假设我感兴趣的是设计一个功能提取器函数，它以文档作为输入并返回从文档中提取的特性列表。

问题

如果有许多可选组件，那么什么样的方法会被认为是良好的实践和可伸缩的？

下面是我能想到的几个选项，尽管我可能还没有考虑过其他的方法。

方法1:基于类的

class FeatureExtractor(object):
    """Extract features from text for use in classification."""
    def __init__(self, term_frequency=False, consider_negation=False,
                 pos_tags=False):
        self.term_frequency = term_frequency
        self.consider_negation = consider_negation
        self.pos_tags = pos_tags
        # Could be many more ...

    def extract(self, document):
        """Extract features from a document."""
        features = []
        if self.term_frequency:
            features.extend(self.extract_term_frequency(document))
        if self.consider_negation:
            features.extend(self.extract_negation(document))
        if self.pos_tags:
            features.extend(self.extract_pos_tags(document))
        return features

    def extract_term_frequency(self, document):
        pass

    def extract_negation(self, document):
        pass

    def extract_pos_tags(self, document):
        pass

extractor = FeatureExtractor(term_frequency=True, consider_negation=True,
                             pos_tags=True)
extractor.extract(document)

方法2:函数参数

def extract(document, *functions):
    """Extract features from a document."""
    features = []
    for function in functions:
            features.extend(function(document))
    return features

def extract_term_frequency(document):
    pass

def extract_negation(document):
    pass

def extract_pos_tags(document):
    pass

extract(document, extract_term_frequency, extract_negation, extract_pos_tags)

方法3:具有混合或多继承

的类

第一种方法和第二种方法的结合，虽然我不确定如何做到这一点。

任何关于一个方向的想法，我们将不胜感激！

Answer 1

我认为您应该在这里问自己的核心问题是“您期望从文档中提取什么样的特性”？

如果您希望能够轻松地添加新的特性提取器函数，那么可以使用第二个版本，在该版本中，每个特性都会被独立提取并自行处理文档。

另一方面，如果您预先知道您需要什么样的特性，可以使用一个中央提取器，它可以利用这些知识同时提取所有的东西(使用参数来调优这些特性，ofc)

至于类和函数，老实说，我并不认为它们之间有太大的不同，因为它们最终以相同的方式封装了事物。在Python的例子中，我建议在可能的情况下使用“可调用的”(因此您可以在适当的情况下使用函数或定义__call__的对象)，并且我总是在类上使用函数，除非我需要跟踪一些额外的内部状态(默认情况下，Python闭包会因为本地的作用域而变差)。

Answer 2

使用您所显示的内容，我更喜欢函数参数，因为出错的代码较少。我还是会用某种形式把他们联系在一起。

但是，如果我要实现这样的系统，我就不会那么依赖于实现了。我不知道您所说的“从文档中提取特性”是什么意思，但让我们设想一下，文档是汽车的规范，并提到它有合金车轮，使用汽油或柴油等。如果我想提取这些数据，这取决于我是想从一个功能--第一还是从文档的第一方向着手--我会考虑创建我感兴趣的特性的集合，或者我可以从文档中提取的特性的集合。

在第一种情况下，我可以说：

def featuresILike = { "alloy wheels":"/alloy wheels/", "v8 engine":"/V8/" } and so on.

然后，我只需在文档中运行，查找与这些模式的匹配，并在找到这些模式时向文档添加相关的键功能元数据。

在第二种情况下，我可能会查找表示特性列表的模式，然后尝试将特定文档中列出的所有功能提取到元数据中。这样，我就可以根据需要对所有这些问题进行查询。

这种方法在概念上的区别在于，我的目标是将数据作为数据处理，然后使用我的代码来提取数据。每次编写"hasAlloyWheels()“类型函数时，我真正要做的就是将数据转换为代码。有时候，您可能需要这样做，但是如果您可以将这些信息提取到配置中，或者缩小代码范围，使其只发生在几个地方，那么最终您将得到一些更可重用和更易于维护的信息。