博客
关于我
手动实现apply、call、bind
阅读量:410 次
发布时间:2019-03-06

本文共 1341 字,大约阅读时间需要 4 分钟。

手动实现apply、call、bind

apply

apply 方法用于在特定的作用域中执行函数。它接收两个参数:thisArgargsArraythisArg 是必须的,指定函数运行时使用的 this 值。如果不指定,this 会指向全局对象。在非严格模式下,thisArgnullundefined 时,会自动指向全局对象。argsArray 是可选的,传递一个数组或类数组,数组中的元素作为函数的参数传递。argsArray 中的 nullundefined 会被忽略。

实现思路是将 _apply 方法挂载到 Function.prototype 上。在 _apply 中,将函数对象赋值给指定对象的一个属性,并使用 Spread 运算符将参数展开,调用函数。

代码示例:

window.a = 1;var obj = { a: 2 };var funct = function(b, c) {    console.log(this.a, b, c);    return 1;};funct.apply(obj, [1, 2]); // 输出:2 1 2

call

call 方法用于在指定的作用域中执行函数。它接收一个可选的 thisArg 和多个可选的参数。thisArg 必须传递,指定函数运行时使用的 this 值。args 是可选的,传递多个参数。

实现思路是将 _call 方法挂载到 Function.prototype 上。在 _call 中,使用 Rest 运算符接收剩余参数,并使用 Spread 运算符将参数展开,调用函数。

代码示例:

window.a = 1;var obj = { a: 2 };var funct = function(b, c) {    console.log(this.a, b, c);    return 1;};funct.call(obj, 1, 2); // 输出:2 1 2

bind

bind 方法用于将函数与指定对象绑定,使其在被调用时使用该对象作为 this。它接收一个可选的 thisArg 和多个可选的参数。thisArg 可以是 nullundefined,在非严格模式下会自动指向全局对象。如果 thisArg 不传递,函数的 this 会指向新创建的对象。

实现思路是将 _bind 方法挂载到 Function.prototype 上。返回一个箭头函数,使用闭包将 this 值固定到指定对象,并使用 Spread 运算符传递参数。

代码示例:

window.a = 1;var obj = { a: 2 };var funct = function(b, c) {    console.log(this.a, b, c);    return 1;};var bindFunct = funct.bind(obj, 1, 2);bindFunct(); // 输出:2 1 2

每日一题

如果你对这类技术问题感兴趣,可以查看我的GitHub仓库 EveryDay

参考

如果需要更深入的理解,可以参考我的文章 手动实现apply、call、bind

转载地址:http://unckz.baihongyu.com/

你可能感兴趣的文章
pandas 重新采样到每月的特定工作日
查看>>
pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
查看>>
pandas :检测一个DF和另一个DF之间缺失的列
查看>>
Pandas-从具有嵌套列表列表的现有列创建动态列时出错
查看>>
Pandas-通过对列和索引的值求和来合并两个数据框
查看>>
pandas.columns、get_dummies等用法
查看>>
pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
查看>>
pandas.read_csv()的详解-ChatGPT4o作答
查看>>
PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
查看>>
pandas100个骚操作:再见 for 循环!速度提升315倍!
查看>>
Pandas:如何根据其他列值的条件对列进行求和?
查看>>
Pandas:对给定列求和 DataFrame 行
查看>>
Pandas、Matplotlib、Pyecharts数据分析实践
查看>>
Pandas中文官档~基础用法2
查看>>
Pandas中文官档~基础用法5
查看>>
Pandas中文官档~基础用法6
查看>>
Pandas中的GROUP BY AND SUM不丢失列
查看>>
pandas交换两列
查看>>
pandas介绍-ChatGPT4o作答
查看>>
pandas去除Nan值
查看>>