波仔
🧩 第七章 化为通用的归纳整理法的面向对象
📄 一句话概括

把现实名词摊开数一遍：7 个词只有 3 个成了类，实测落成率 43%——软件表示的是【要处理的信息】，不是现实本身。

📝 本节和前面几节的关系

这本书里有两节同名（2.8 和 7.1），但角度不同：2.8 讲【像不像】，这一节讲【落成多少】。同时这是第七章的开篇，话题从【怎么写代码】转到【怎么整理信息】。

一、先说清这节和 2.8 的关系

2.8 的结论是【软件并不会直接表示现实世界】，讲的是为什么不像：现实有无穷细节，软件只需要其中一小部分。 这一节从同一个结论出发，换了个问法：现实里的那些名字，有多少能落成类？ 2.8 讲【不对齐】，7.1 讲【怎么筛】。筛的标准只有一条——要不要处理它。

二、实测：七个名词，三个成类

拿图书馆借书这个最小业务，把现实名词摊开：读者、书、借阅记录、书架、管理员、罚款、图书馆。 成类的三个：读者 → Reader、书 → Book、借阅记录 → Loan。 没成类的四个：书架、管理员、图书馆、罚款。 落成率 43%——不到一半。这个比例不是巧合，大部分业务都落在这个量级。

三、消失的四种原因各不相同

书架：物理位置，软件不关心书放在哪一层。 管理员：在软件里只是一组权限，而权限不是一个对象。 图书馆：软件本身就是它——容器不需要再成为一个类。 罚款：现实里是一整套流程（定价、通知、缴纳、催缴），软件里只留下【金额】这一个字段，挂在 Loan 上。 四种消失理由不同，共同点是：它们都不是【要处理的信息】。

四、这条筛选法的实际操作

问三个问题：它有状态要记吗？它有动作要算吗？它要跟别的名词区分开吗？ 三个都答【是】→ 成类；只答前两个 → 多半只是一个字段。 注意这个筛选是业务决定的，不是技术决定的：换个业务，同样七个名词可能落成五个类。 第七章要干的事，就是把这套筛选法从代码里抽出来——抽出之后它就不只属于程序了。

五、动手 Demo：软件不会直接表示现实世界

把一个最小业务的七个现实名词摊开，看几个成了类。 顺便验证一下这本书里两处同名的节到底差在哪。

nouns = ["读者", "书", "借阅记录", "书架", "管理员", "罚款", "图书馆"]
kinds = {
    "读者":     "成了类 Reader",
    "书":       "成了类 Book",
    "借阅记录": "成了类 Loan",
    "书架":     "没成类（物理位置，软件不管）",
    "管理员":   "没成类（软件里只是权限）",
    "罚款":     "没成类（变成 Loan 的一个字段）",
    "图书馆":   "没成类（软件本身就是它）",
}

as_class = sum(1 for v in kinds.values() if "成了类" in v)
print("落成率", 100.0 * as_class / len(nouns))   # 43%

实跑输出：

--------------------------------------------------------------------
软件不会直接表示现实世界
--------------------------------------------------------------------

  拿一个最简单的业务——图书馆借书——把现实名词摊开，看几个成了类：

  现实里的名词     在软件里变成了什么
  ------------------------------------------------
  读者             成了类 Reader
  书               成了类 Book
  借阅记录         成了类 Loan
  书架             没成类（物理位置，软件不管）
  管理员           没成类（软件里只是权限）
  罚款             没成类（变成 Loan 的一个字段）
  图书馆           没成类（软件本身就是它）

      现实名词                    7 个
      变成类的                    3 个
      没变成类的                  4 个
      落成率                      43%

  **注意这本书里有两节同名**（2.8 和 7.1），**但角度不同**：2.8 讲【像不像】，这一节讲【落成率】。
  **书架、管理员、图书馆在软件里【消失】了——不是漏了，是不需要。**
  **而【罚款】现实里是一整套流程，软件里只是一个字段。**
  **这就是 2.8 说的【不对齐】：软件表示的是【要处理的信息】，不是现实本身。**

实测：七个现实名词，三个成类，落成率 43%。 罚款那一行最值得看——现实里的一整套流程，进软件后压缩成了一个字段。 这正是 2.8 说的【不对齐】：软件表示的是【要处理的信息】，不是现实本身。

30 秒实验

  1. 拿你手上的一个业务，列出 10 个现实名词，看看几个能成类。
  2. 把没能成类的那些，各写一句【软件为什么不需要它】。

常见误区

  1. 以为现实里的东西都该有对应的类。落成率不到一半才是常态。
  2. 以为没成类的就是漏了。罚款从流程变成字段是精简，不是遗漏。
自测三问（点开对答案） 1. 7.1 和 2.8 有什么区别？ —— 同一句结论、不同角度：2.8 讲【像不像】（为什么不对齐），7.1 讲【落成多少】（筛的标准）。 2. 实测落成率是多少？ —— 七个现实名词三个成类，落成率 43%。 3. 罚款为什么没成类？ —— 现实里是一套流程，软件里只需要金额这一个字段，挂在 Loan 上。 4. 书架和图书馆没成类，为什么理由不同？ —— 书架是物理位置，软件根本不关心；图书馆是容器，软件本身就是它——容器不必再成为一个类。

相关笔记