本文對應腳本及數據已上傳至我的Github倉庫

一、簡介

　　詞雲圖是文本挖掘中用來表徵詞頻的數據可視化圖像，通過它可以很直觀地展現文本數據中地高頻詞：

圖1 詞雲圖示例

　　在Python中有很多可視化框架可以用來製作詞雲圖，如，但這些框架並不是專門用於製作詞雲圖的，因此並不支持更加個性化的製圖需求，要想創作出更加美觀個性的詞雲圖，需要用到一些專門繪製詞雲圖的第三方模塊，本文就將針對其中較為優秀易用的以及的用法進行介紹和舉例說明。

二、利用wordcloud繪製詞雲圖

　　wordcloud是Python中製作詞雲圖比較經典的一個模塊，賦予用戶高度的自由度來創作詞雲圖：

圖2 wordcloud製作詞雲圖示例

2.1 從一個簡單的例子開始

　　這裏我們使用到來自wordcloud官方文檔中的constitution.txt來作為可視化的數據素材：

圖3 constitution.txt

　　首先我們讀入數據並將數據清洗成空格分隔的長字符串：

import re

with open('constitution.txt') as c:
    '''抽取文本中的英文部分並小寫化，並將空格作為分隔拼接為長字符串'''
    text = ' '.join([word.group().lower() for word in re.finditer('[a-zA-Z]+', c.read())])

'''查看前100個字符'''
text[:500]

圖4 清洗后的片段文本

　　接着使用wordcloud中用於生成詞雲圖的類WordCloud配合matplotlib，在默認參數設置下生成一張簡單的詞雲圖：

from wordcloud import WordCloud
import matplotlib.pyplot as plt
%matplotlib inline

'''從文本中生成詞雲圖'''
wordcloud = WordCloud().generate(text)
plt.figure(figsize=[12, 10])
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

　　生成的詞雲圖:

圖5 默認參數下的詞雲圖

　　畢竟是在默認參數下生成的詞雲圖，既醜陋又模糊，為了繪製好看的詞雲圖，接下來我們來對wordcloud繪製詞雲圖的細節內容進行介紹，並不斷地對圖5進行升級改造。

2.2 WordCloud

　　作為wordcloud繪製詞雲圖最核心的類，WordCloud的主要參數及說明如下：

font_path：字符型，用於傳入本地特定字體文件的路徑（ttf或otf文件）從而影響詞雲圖的字體族
width：int型，用於控制詞雲圖畫布寬度，默認為400
height：int型，用於控制詞雲圖畫布高度，默認為200
prefer_horizontal：float型，控制所有水平显示的文字相對於豎直显示文字的比例，越小則詞雲圖中豎直显示的文字越多
mask：傳入蒙版圖像矩陣，使得詞雲的分佈與傳入的蒙版圖像一致
contour：float型，當mask不為None時，contour參數決定了蒙版圖像輪廓線的显示寬度，默認為0即不显示輪廓線
contour_color：設置蒙版輪廓線的顏色，默認為’black’
scale：當畫布長寬固定時，按照比例進行放大畫布，如scale設置為1.5，則長和寬都是原來畫布的1.5倍
min_font_size：int型，控制詞雲圖中最小的詞對應的字體大小，默認為4
max_font_size：int型，控制詞雲圖中最大的詞對應的字體大小，默認為200
max_words：int型，控制一張畫布中最多繪製的詞個數，默認為200
stopwords：控制繪圖時忽略的停用詞，即不繪製停用詞中提及的詞，默認為None，即調用自帶的停用詞表（僅限英文，中文需自己提供並傳入）
background_color：控制詞雲圖背景色，默認為’black’
mode：當設置為’RGBA’且background_color設置為None時，背景色變為透明，默認為’RGB’
relative_scaling：float型，控制詞雲圖繪製字的字體大小與對應字詞頻的一致相關性，當設置為1時完全相關，當為0時完全不相關，默認為0.5
color_func：傳入自定義調色盤函數，默認為None
colormap：對應matplotlib中的colormap調色盤，默認為viridis，這個參數與參數color_func互斥，當color_func有函數傳入時本參數失效
repeat：bool型，控制是否允許一張詞雲圖中出現重複詞，默認為False即不允許重複詞
random_state：控制隨機數水平，傳入某個固定的数字之後每一次繪圖文字布局將不會改變

　　了解了上述參數的意義之後，首先我們修改背景色為白色，增大圖床的長和寬，加大scale以提升圖片的精細程度，並使得水平显示的文字盡可能多：

'''從文本中生成詞雲圖'''
wordcloud = WordCloud(background_color='white', # 背景色為白色
                      height=400, # 高度設置為400
                      width=800, # 寬度設置為800
                      scale=20, # 長寬拉伸程度設置為20
                      prefer_horizontal=0.9999).generate(text)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud)
plt.axis('off')
'''保存到本地'''
plt.savefig('圖6.jpg', dpi=600, bbox_inches='tight', quality=95)
plt.show()

圖6

　　可以看到相較於圖5，在美觀程度上有了很大的進步，接下來，我們在圖6的基礎上添加美國本土地圖蒙版：

圖7 美國本土地圖蒙版

　　利用PIL模塊讀取我們的美國本土地圖蒙版.png文件並轉換為numpy數組，作為WordCloud的mask參數傳入：

from PIL import Image
import numpy as np

usa_mask = np.array(Image.open('美國本土地圖蒙版.png'))

'''從文本中生成詞雲圖'''
wordcloud = WordCloud(background_color='white', # 背景色為白色
                      height=4000, # 高度設置為400
                      width=8000, # 寬度設置為800
                      scale=20, # 長寬拉伸程度程度設置為20
                      prefer_horizontal=0.9999,
                      mask=usa_mask # 添加蒙版
                     ).generate(text)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud)
plt.axis('off')
'''保存到本地'''
plt.savefig('圖8.jpg', dpi=600, bbox_inches='tight', quality=95)
plt.show()

圖8

　　可以看到圖8在圖6的基礎上進一步提升了美觀程度，接下來我們利用wordcloud中用於從圖片中提取調色方案的類ImageColorGenerator來從下面的星條旗美國地圖蒙版中提取色彩方案，進而反饋到詞雲圖上：

圖9 美國地圖蒙版_星條旗色

from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator

usa_mask = np.array(Image.open('美國地圖蒙版_星條旗色.png'))
image_colors = ImageColorGenerator(usa_mask)

'''從文本中生成詞雲圖'''
wordcloud = WordCloud(background_color='white', # 背景色為白色
                      height=400, # 高度設置為400
                      width=800, # 寬度設置為800
                      scale=20, # 長寬拉伸程度程度設置為20
                      prefer_horizontal=0.2, # 調整水平显示傾向程度為0.2
                      mask=usa_mask, # 添加蒙版
                      max_words=1000, # 設置最大显示字數為1000
                      relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3
                      max_font_size=80 # 縮小最大字體為80
                     ).generate(text)

plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis('off')
'''保存到本地'''
plt.savefig('圖10.jpg', dpi=600, bbox_inches='tight', quality=95)
plt.show()

圖10

2.3 中文詞雲圖

　　相較於英文文本語料，中文語料處理起來要麻煩一些，我們需要先進行分詞等預處理才能進行下一步的處理，這裏我們使用，先讀取進來看看：

import pandas as pd
import jieba

'''讀入原始數據'''
raw_comments = pd.read_csv('waimai_10k.csv');raw_comments.head()

圖11

　　接下來我們利用re、jieba以及pandas中的apply對評論列進行快速清洗：

'''導入停用詞表'''
with open('stopwords.txt') as s:
    stopwords = set([line.replace('\n', '') for line in s])

'''傳入apply的預處理函數，完成中文提取、分詞以及多餘空格剔除'''
def preprocessing(c):
    
    c = [word for word in jieba.cut(' '.join(re.findall('[\u4e00-\u9fa5]+', c))) if word != ' ' and word not in stopwords]

    return ' '.join(c)

'''將所有語料按空格拼接為一整段文字'''
comments = ' '.join(raw_comments['review'].apply(preprocessing));comments[:500]

　　得到的結果如圖12：

圖12

　　這時我們就得到所需的文本數據，接下來我們用美團外賣的logo圖片作為蒙版繪製詞雲圖：

圖13 美團外賣logo蒙版

from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator

waimai_mask = np.array(Image.open('美團外賣logo蒙版.png'))
image_colors = ImageColorGenerator(waimai_mask)

'''從文本中生成詞雲圖'''
wordcloud = WordCloud(background_color='white', # 背景色為白色
                      height=400, # 高度設置為400
                      width=800, # 寬度設置為800
                      scale=20, # 長寬拉伸程度程度設置為20
                      prefer_horizontal=0.2, # 調整水平显示傾向程度為0.2
                      mask=waimai_mask, # 添加蒙版
                      max_words=1000, # 設置最大显示字數為1000
                      relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3
                      max_font_size=80 # 縮小最大字體為80
                     ).generate(comments)

plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis('off')
'''保存到本地'''
plt.savefig('圖14.jpg', dpi=600, bbox_inches='tight', quality=95)
plt.show()

　　這時我們會發現詞雲圖上繪製出的全是亂碼，這是因為matplotlib默認字體是不包含中文的：

圖14 中文亂碼問題

　　這時我們只需要為WordCloud傳入font_path參數即可，這裏我們選擇SimHei字體：

from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator

waimai_mask = np.array(Image.open('美團外賣logo蒙版.png'))
image_colors = ImageColorGenerator(waimai_mask)

'''從文本中生成詞雲圖'''
wordcloud = WordCloud(font_path='SimHei.ttf', # 定義SimHei字體文件
                      background_color='white', # 背景色為白色
                      height=400, # 高度設置為400
                      width=800, # 寬度設置為800
                      scale=20, # 長寬拉伸程度程度設置為20
                      prefer_horizontal=0.2, # 調整水平显示傾向程度為0.2
                      mask=waimai_mask, # 添加蒙版
                      max_words=1000, # 設置最大显示字數為1000
                      relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3
                      max_font_size=80 # 縮小最大字體為80
                     ).generate(comments)

plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis('off')
'''保存到本地'''
plt.savefig('圖15.jpg', dpi=600, bbox_inches='tight', quality=95)
plt.show()

圖15

三、利用stylecloud繪製詞雲圖

　　stylecloud是一個較為嶄新的模塊，它基於wordcloud，添加了一系列的嶄新特性譬如漸變顏色等，可以支持更為個性化的詞雲圖創作：

圖16 styleword製作詞雲圖示例

3.1 從一個簡單的例子開始

　　這裏我們沿用上一章節中使用過的處理好的text來繪製詞雲圖：

import stylecloud
from IPython.display import Image # 用於在jupyter lab中显示本地圖片

'''生成詞雲圖'''
stylecloud.gen_stylecloud(text=text, 
                          size=512,
                          output_name='圖17.png')

'''显示本地圖片'''
Image(filename='圖17.png') 

圖17

　　可以看出，styleword生成詞雲圖的方式跟wordcloud不同，它直接就將原始文本轉換成本地詞雲圖片文件，下面我們針對其繪製詞雲圖的細節內容進行介紹。

3.2 gen_stylecloud

　　在stylecloud中繪製詞雲圖只需要gen_stylecloud這一個函數即可，其主要參數及說明如下：

text：字符串，格式同WordCloud中的generate()方法中傳入的text
gradient：控制詞雲圖顏色漸變的方向，’horizontal’表示水平方向上漸變，’vertical’表示豎直方向上漸變，默認為’horizontal’
size：控制輸出圖像文件的分辨率（因為stylecloud默認輸出方形圖片，所以size傳入的單個整數代表長和寬），默認為512
icon_name：這是stylecloud中的特殊參數，通過傳遞對應icon的名稱，你可以使用多達1544個免費圖標來作為詞雲圖的蒙版，點擊查看你可以免費使用的圖標蒙版樣式，默認為’fas fa-flag’
palette：控制調色方案，stylecloud的調色方案調用了，這是一個非常實用的模塊，其內部收集了數量驚人的大量的經典調色方案，默認為’cartocolors.qualitative.Bold_5′
background_color：字符串，控制詞雲圖底色，可傳入顏色名稱或16進制色彩，默認為’white’
max_font_size：同wordcloud
max_words：同wordcloud
stopwords：bool型，控制是否開啟去停用詞功能，默認為True，調用自帶的英文停用詞表
custom_stopwords：傳入自定義的停用詞List，配合stopwords共同使用
output_name：控制輸出詞雲圖文件的文件名，默認為stylecloud.png
font_path：傳入自定義字體*.ttf文件的路徑
random_state：同wordcloud

　　對上述參數有所了解之後，下面我們在圖17的基礎上進行改良，首先我們將圖標形狀換成的樣子，接着將配色方案修改為：

'''生成詞雲圖'''
stylecloud.gen_stylecloud(text=text, 
                          size=1024,
                          output_name='圖18.png',
                          palette='scientific.diverging.Broc_3', # 設置配色方案
                          icon_name='fas fa-bomb' # 設置圖標樣式
                         )

'''显示本地圖片'''
Image(filename='圖18.png') 

圖18

3.3 繪製中文詞雲圖

　　在wordcloud中繪製中文詞雲圖類似wordcloud只需要注意傳入支持中文的字體文件即可，下面我們使用一個微博語料數據weibo_senti_100k.csv來舉例：

weibo = pd.read_csv('weibo_senti_100k.csv')
weibo_text = [word for word in jieba.cut(' '.join(re.findall('[\u4e00-\u9fa5]+', ' '.join(weibo['review'].tolist())))) if word != ' ' and word not in stopwords]
weibo_text[:10]

圖19

　　接着我們將蒙版圖標樣式換成，將色彩方案換成：

'''生成詞雲圖'''
stylecloud.gen_stylecloud(text=text, 
                          size=1024,
                          output_name='圖20.png',
                          palette='colorbrewer.sequential.Reds_3', # 設置配色方案為https://jiffyclub.github.io/palettable/colorbrewer/sequential/#reds_3
                          icon_name='fab fa-weibo', # 設置圖標樣式
                          gradient='horizontal', # 設置顏色漸變方向為水平
                          collocations=False # 不允許詞語重複显示
                         )

'''显示本地圖片'''
Image(filename='圖20.png') 

圖20

　　以上就是本文的全部內容，如有筆誤望指出！

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站，提高曝光率!!

※網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司，幫您輕鬆架站!

※想知道最厲害的台北網頁設計公司推薦、台中網頁設計公司推薦專業設計師”嚨底家”!!

ChuanGoing 2019-11-17

    這篇原本想把事務處理、日誌處理、錯誤處理、授權與鑒權一併介紹完的，授權和鑒權我想結合自定義權限來介紹，全部放到這裏篇幅可能太長，因此權限部分將會在下篇來介紹。先說下我接下來的打算把，下篇將介紹權限控制，結合Oauth2.0和OpenId(OIDC)以及自定義權限來介紹；完了後會結合之前所介紹的基礎來實現一個簡單的電商網站，當然是利用領域驅動設計來實現。我的這個系列的主題就是領域驅動設計，實現簡單電商網站時將會深入的講解下領域的劃分原則及領域服務的場景，中間可能會嘗試部分業務實現事件驅動。

本篇學習曲線：

1.日誌記錄

2.錯誤處理

3.事務處理

日誌記錄

    NLog是一個記錄日誌組件，和log4net一樣被廣泛使用，它可以將日誌保存到文本文件、CSV、控制台、VS調試窗口、數據庫等。在之前例子中的WebApi項目中添加NLog.Web.AspNetCore的Nuget包，並添加如下配置：

   簡單介紹下配置信息，“targets”配置每個輸出配置，我這裡有3個輸出：database、allfile、ownfile，分別表示輸出到數據庫和對應路徑的日誌文件下。

“rules”規則配置了4條：

1.將Debug以上級別(含)信息輸出到allfile

2.忽略Microsoft.*開頭的信息(對應的輸出沒有配置到任何文件)，此配置一般忽略即可

3.將Debug以上級別(含)信息輸出到ownfile(注意這裏配置和allfile一樣，一般配置級別高點的日誌信息)

4.將Warn以上級別(含)信息輸出到數據庫

完了后，在Program.cs Main方法裏面註冊NLog：

var logger = NLogBuilder.ConfigureNLog($"Nlog.config").GetCurrentClassLogger();
            try
            {
                CreateWebHostBuilder(args).Build().Run();
            }
            catch (Exception ex)
            {
                logger.Error(ex, "Stopped program because of exception");
                throw ex;
            }
            finally
            {
                NLog.LogManager.Shutdown();
            }

注意不要忘了啟用NLog組件使之生效

在OrderController的Add方法中加入以下代碼：

用postman簡單測試下，我們可以看到執行目錄中多出來了日誌信息

錯誤處理

  這裏一般我們關心的錯誤大概有兩類：

1.內部錯誤，即通過框架(Mvc)管道準確的傳入到內部系統中併發生錯誤的此類信息

2.框架(Mvc)執行管道的某些中間件時發生的錯誤或被中間件禁止繼續訪問的請求

  因此，定義如下3個類：

public class InnerException : Exception
    {
        /// <summary>
        /// 內部錯誤代碼
        /// </summary>
        public int? ErrorCode { get; }

        public InnerException(int errorCode) : base()
        {
            ErrorCode = errorCode;
        }

        public InnerException(int errorCode, string message) : base(message)
        {
            ErrorCode = errorCode;
        }

        public InnerException(int code, string message, Exception exception) : base(message, exception)
        {
            ErrorCode = code;
        }
    }

InnerException

public class MessageCodes
    {
        #region 公用

        /// <summary>
        /// 成功
        /// </summary>
        public const int Success = 20101000;
        /// <summary>
        /// 警告
        /// </summary>
        public const int Warning = 20102000;
        /// <summary>
        /// 錯誤
        /// </summary>
        public const int Error = 20103000;
        /// <summary>
        /// 數據驗證錯誤
        /// </summary>
        public const int DataValidationError = 20104000;
        /// <summary>
        /// 數據不存在
        /// </summary>
        public const int DataNotFound = 20105000;
        /// <summary>
        /// 非法的數據狀態
        /// </summary>
        public const int IllegalState = 20106000;
        /// <summary>
        /// 參數無效
        /// </summary>
        public const int InvalidParams = 20107000;
        /// <summary>
        /// 輸入非法
        /// </summary>
        public const int IllegalInput = 20108000;
        /// <summary>
        /// 鑒權成功
        /// </summary>
        public const int AuthSuccess = 20109000;

        #endregion

    }

MessageCodes

 public class WebException: InnerException
    {
        public HttpStatusCode HttpStatus { get; set; }

        public HttpRequest Request { get; private set; }

        public WebException(HttpStatusCode httpStatus, int errorCode, string message)
             : base(errorCode, message)
        {
            HttpStatus = httpStatus;
        }

        public WebException(HttpStatusCode httpStatus, int errorCode, string message, HttpRequest request)
            : this(httpStatus, errorCode, message)
        {
            Request = request;
        }

        public WebException(int errorCode, string message)
            : base(errorCode, message)
        {
            HttpStatus = HttpStatusCode.BadRequest;
        }
    }

WebException

通過Aop，很方便就可以實現錯誤信息的處理：

public class ExceptionFilter : IExceptionFilter
    {
        private readonly ILogger<ExceptionFilter> _logger;

        public ExceptionFilter(ILogger<ExceptionFilter> logger)
        {
            _logger = logger;
        }

        public void OnException(ExceptionContext context)
        {
            _logger.LogError(context.Exception, context.Exception.Message);

            #region Ioc/automapper等中間件對錯誤信息進行了包裝,需要解包

            //web錯誤:驗證/鑒權等
            var webException = GetException<Base.Exceptions.WebException>(context.Exception);
            if (webException != null)
            {
                context.Result = new JsonResult(new
                {
                    ErrorCode = webException.ErrorCode ?? MessageCodes.Error,
                    webException.Message
                })
                {
                    StatusCode = (int)webException.HttpStatus
                };
                return;
            }
            //內部錯誤
            var exception = GetException<InnerException>(context.Exception);
            if (exception != null)
            {
                context.Result = new JsonResult(new
                {
                    ErrorCode = exception.ErrorCode ?? MessageCodes.Error,
                    exception.Message
                })
                {
                    StatusCode = (int)HttpStatusCode.InternalServerError
                };
                return;
            }

            #endregion
        }

        private TException GetException<TException>(Exception exception)
          where TException : Exception
        {
            if (exception == null)
            {
                return null;
            }
            if (exception is TException tException)
            {
                return tException;
            }
            else
            {
                return GetException<TException>(exception.InnerException);
            }
        }
    }

ExceptionFilter

同時，Startup.cs的ConfigureServices中註冊一下：

services.AddMvc(mvcOptions =>
                {
                    mvcOptions.Filters.Add<ExceptionFilter>();
                })

即完成了錯誤信息並且錯誤信息會寫入相應配置的輸出中。

事務處理

  UnitOfWork又稱工作單元，為了保證數據操作完整性，我們將處理數據的的操作統一放在一個事務中，我們這裏利用UnitOfWork來實現事務處理。

首先定義IUnitOfWork及UnitOfWork實現：

 public interface IUnitOfWork
    {
        void Begin(IsolationLevel level = IsolationLevel.Unspecified);
        void SaveChanges();
        void Failed();
    }

View Code

public class UnitOfWork : IUnitOfWork
    {
        private ITransactionRepository _repository;

        public UnitOfWork(ITransactionRepository repository)
        {
            _repository = repository;
        }

        public virtual void Begin(IsolationLevel level = IsolationLevel.Unspecified)
        {
            _repository.BeginTransaction(level);
        }

        public virtual void SaveChanges()
        {
            _repository.Commit();
        }

        public virtual void Failed()
        {
            _repository.Rollback();
        }
    }

View Code

其中，UnitOfWork依賴於ITransactionRepository的實現：

public interface ITransactionRepository
    {
        /// <summary>
        /// 打開事務
        /// </summary>
        /// <param name="level"></param>
        void BeginTransaction(IsolationLevel level = IsolationLevel.Unspecified);
        /// <summary>
        /// 提交事務
        /// </summary>
        void Commit();
        /// <summary>
        /// 事務回滾
        /// </summary>
        void Rollback();
    }

ITransactionRepository

利用DapperRepository繼承ITransactionRepository並實現：

public virtual void BeginTransaction(IsolationLevel level = IsolationLevel.Unspecified)
        {
            DbContext.BeginTransaction(level);
        }

        public virtual void Commit()
        {
            DbContext.Commit();
        }

        public virtual void Rollback()
        {
            DbContext.RollBack();
        }

View Code

基本功能實現后，如何使用呢？這裏還是需要利用Aop：

public class UnitOfWorkAttribute : AbstractInterceptorAttribute
    {
        public override Task Invoke(AspectContext context, AspectDelegate next)
        {
            if (context.Implementation is IApplicationService applicationService)
            {
                var uow = applicationService.UnitOfWork;
                uow.Begin();
                var aspectDelegate = next(context);
                if (aspectDelegate.Exception != null)
                {
                    uow.Failed();
                    throw aspectDelegate.Exception;
                }
                else
                {
                    uow.SaveChanges();
                    return aspectDelegate;
                }
            }
            else
            {
                return next(context);
            }
        }
    }

UnitOfWorkAttribute

因此，我們還需要在Application項目中添加如下代碼：

 public class ServiceBase<TEntity, TPrimaryKey> : IApplicationService
        where TEntity : class, IEntity<TPrimaryKey>
    {
        protected IMapper Mapper { get; private set; }
        public virtual IUnitOfWork UnitOfWork { get; private set; }

        public ServiceBase(IComponentContext container, ICommandRepository<TEntity, TPrimaryKey> repository)
        {
            Mapper = container.Resolve<IMapper>();
            UnitOfWork = container.Resolve<IUnitOfWork>(new TypedParameter(typeof(ITransactionRepository), repository));
        }
    }

ServiceBase

Application中的每個服務去繼承上面的ServiceBase，因此每個Application服務都具有了事務處理能力

 public interface IOrderService : IScopeInstance
    {
        [UnitOfWork]
        void Add(OrderViewModel order);
        OrderViewResult Get(string sn);
    }

 程序運行時，Add方法前後形成切面，如下圖所示,next(context)這裏執行的就是Add方法,執行前開啟事務，執行后提交

 利用Aop特性切面實現事務的無感注入(Ioc/DI小節中引入了AspectCore動態代理)，底層還是依賴IDbConnection的事務相關接口，完整的事務處理大概就是這樣了。

詳細代碼在Github的 的Domain分支可以找到。

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站，提高曝光率!!

※網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司，幫您輕鬆架站!

※想知道最厲害的台北網頁設計公司推薦、台中網頁設計公司推薦專業設計師”嚨底家”!!