Translate

sábado, 26 de abril de 2025

Nuevas características de C# 13


C# 13, junto con .NET 9, trae una serie de mejoras que buscan simplificar la escritura de código, mejorar el rendimiento y ofrecer mayor flexibilidad a los desarrolladores. Veamos que trajo:

Colecciones params mejoradas

Ahora, el modificador params se puede aplicar a tipos que admiten inicialización mediante expresiones de colección, no solo a arreglos. Esto permite una mayor flexibilidad al definir métodos que aceptan un número variable de argumentos.


public void EscribirNombres(params List<string> nombres)

    => Console.WriteLine(string.Join(", ", nombres));


Nuevo tipo de bloqueo: System.Threading.Lock

Se introduce un nuevo tipo de bloqueo que mejora la sincronización de subprocesos. A diferencia del uso tradicional de lock con objetos, System.Threading.Lock proporciona una API más clara y segura para manejar exclusiones mutuas.


var myLock = new Lock();

using (myLock.EnterScope())

{

    // Código protegido

}


Nueva secuencia de escape: \e

Se añade la secuencia de escape \e para representar el carácter de escape ASCII (U+001B). Anteriormente, se utilizaban \u001b o \x1b, pero esta nueva notación es más clara y evita ambigüedades.


Tipos naturales de grupo de métodos

Se mejora la inferencia de tipos al trabajar con grupos de métodos, permitiendo que el compilador determine de manera más precisa el tipo adecuado en contextos donde se utilizan delegados o expresiones lambda.


Propiedades e indexadores parciales

Al igual que los métodos parciales, ahora es posible declarar propiedades e indexadores parciales. Esto facilita la separación de la declaración y la implementación, especialmente útil al trabajar con generadores de código.


partial class MiClase

{

    public partial int MiPropiedad { get; set; }

}


Acceso implícito a indexadores en inicializadores de objetos

Se permite el uso de índices implícitos, como [^1], dentro de inicializadores de objetos, lo que simplifica la inicialización de colecciones y estructuras de datos complejas.


var miArreglo = new int[5] { [^1] = 10 };


Soporte para ref struct en interfaces y genéricos

Los tipos ref struct ahora pueden implementar interfaces y ser utilizados como argumentos de tipo en genéricos, ampliando su aplicabilidad en escenarios de alto rendimiento y manipulación de memoria.


Variables ref y contextos unsafe en iteradores y métodos asincrónicos

Se habilita el uso de variables ref locales y contextos unsafe dentro de métodos asincrónicos y iteradores, siempre que se cumplan ciertas restricciones para garantizar la seguridad del código.


Atributo OverloadResolutionPriority

Se introduce el atributo OverloadResolutionPriority que permite a los desarrolladores especificar la prioridad de resolución de sobrecargas, facilitando la evolución de las API sin romper compatibilidad con versiones anteriores.

Estas mejoras reflejan el compromiso continuo de la comunidad de C# por evolucionar el lenguaje, haciéndolo más potente y expresivo. 


Dejo link: https://developers.redhat.com/articles/2025/04/16/c-13-new-features#

martes, 22 de abril de 2025

Tipos Genéricos Anónimos en Scala: Wildcards y Subtipado


Antes de empezar este post tal vez sería bueno que leas este post antes :D

Scala permite definir colecciones y estructuras de datos genéricas, pero a veces no necesitamos saber con precisión qué tipo contienen, o simplemente queremos permitir varios tipos relacionados. Para esos casos existen los tipos genéricos anónimos, representados por el underscore (_).

Un tipo genérico anónimo en Scala se escribe con un guion bajo (_) en lugar de especificar un tipo concreto. Es útil cuando:

  • No necesitás conocer el tipo exacto.
  • Queremos aceptar varios subtipos o supertypos.

Veamos un ejemplo:

Lista de cualquier tipo (wildcard total)


val lista: List[_] = List(1, "hola", true)


Esto indica que lista es de algún tipo List[T], pero no importa cuál es T.


Subtipado: _ <: Tipo

Permite aceptar cualquier subtipo del tipo dado (covarianza).


class Animal

class Perro extends Animal

class Gato extends Animal


val animales: List[_ <: Animal] = List(new Perro, new Gato)


Esto significa: una lista de algo que es subtipo de Animal.


Supertyping: _ >: Tipo

Permite aceptar cualquier supertipo del tipo dado (contravarianza).


val cosas: List[_ >: Perro] = List(new Animal, new Perro)


Esto significa: una lista de algo que es supertipo de Perro.


Y ¿Por qué usar genéricos anónimos?

  • Cuando escribís funciones genéricas que pueden aceptar muchos tipos.
  • Para asegurar compatibilidad con estructuras covariantes/contravariantes.
  • Para restringir o abrir el tipo de manera controlada.

Los tipos anónimos no te permiten hacer mucho con los elementos (no podés acceder a sus métodos específicos), porque Scala no sabe exactamente qué tipo hay.


val lista: List[_] = List("hola", "chau")

// lista(0).toUpperCase()  // ERROR: no se puede garantizar el tipo


En Java existe el signo de pregunta para esto (?):


List<?> lista;

List<? extends Animal> subtipos;

List<? super Perro> supertypos;


En Scala es más limpio y expresivo:


List[_]

List[_ <: Animal]

List[_ >: Perro]


Los tipos genéricos anónimos en Scala te permiten trabajar con estructuras de datos más genéricas y flexibles, especialmente en APIs o librerías donde no se necesita o no se conoce el tipo exacto. Son ideales para mantener la seguridad de tipos sin perder generalidad.


Tipos de Herencia en C++


En C++, cuando una clase hereda de otra, podemos especificar cómo se deben heredar los miembros públicos y protegidos de la clase base. Esto se hace mediante el tipo de herencia, que puede ser public, protected o private.

public: Herencia Pública


class Animal {

public:

    void respirar() {}

};


class Perro : public Animal {

    // "respirar" sigue siendo público

};



Es la más común para relaciones del tipo es-un (ej: un perro es un animal). Y queda todo como el padre, los metodos publicos y protejidos siguen publicos y protejidos en el hijo. 


protected: Herencia Protegida


class Perro : protected Animal {

    // "respirar" pasa a ser protegido

};

Esta forma rara vez se usa, pero puede servir para limitar el acceso desde fuera sin perder herencia funcional. Los metodos publicos y protejidos pasan a protejidos en el hijo. 


private: Herencia Privada


class Perro : private Animal {

    // "respirar" pasa a ser privado

};


Es útil cuando querés usar la funcionalidad de la clase base sin exponer su interfaz públicamente. Los metodos publicos y protejidos pasan a privados en el hijo. 


Y si no pongo nada ¿Cuál es el valor por defecto?

El valor por defecto en las clases es private y en los structs public. 


domingo, 20 de abril de 2025

Genéricos en Scala: Covarianza y Contravarianza


Scala es un lenguaje poderoso que combina programación funcional y orientada a objetos. Uno de sus conceptos más sofisticados es el sistema de tipos paramétricos, o genéricos, que permiten escribir código flexible y seguro. 

Los genéricos permiten parametrizar clases, traits y métodos con tipos. Por ejemplo:


class Caja[T](valor: T) {

  def get: T = valor

}


Esta clase puede contener un Int, un String, o cualquier otro tipo.

Imaginemos que tenemos las siguientes clases:


class Animal

class Perro extends Animal


Ahora, supongamos que existe una clase genérica Caja[T]. ¿Debería Caja[Perro] ser un subtipo de Caja[Animal]?


En Scala, la relación de subtipos entre tipos genéricos no se asume automáticamente. Vos decidís explícitamente cómo se comporta con respecto a la varianza.

Scala permite controlar la varianza de un tipo genérico con anotaciones en la declaración del tipo.


Invarianza (sin anotación):

class Caja[T](valor: T)

No hay relación de subtipos entre Caja[Perro] y Caja[Animal].


Covarianza (+T)

class Caja[+T](valor: T)

Caja[Perro] es subtipo de Caja[Animal] si Perro es subtipo de Animal.

Usá covarianza cuando vas a leer datos del tipo genérico, pero no escribir.


Ejemplo:

class ListaCovariante[+A](val cabeza: A)


No podés definir un método como:

def setCabeza(a: A): Unit // ERROR con +A


Porque podría romper la seguridad de tipos.


Contravarianza (-T)


class Procesador[-T] {

  def procesar(t: T): Unit = println("Procesando")

}


Procesador[Animal] es subtipo de Procesador[Perro].

Esto es útil cuando recibís datos del tipo genérico (por ejemplo, funciones o procesadores).

Veamos un ejemplo:


class Animal

class Perro extends Animal

class Gato extends Animal


// Covariante: productor

class CajaProductora[+A](val valor: A)


// Contravariante: consumidor

class Procesador[-A] {

  def procesar(a: A): Unit = println(s"Procesando: $a")

}


Uso:


val perro = new Perro

val gato = new Gato


val caja: CajaProductora[Animal] = new CajaProductora[Perro](perro)

val procesador: Procesador[Perro] = new Procesador[Animal]()


procesador.procesar(perro)


En Scala, los tipos de las funciones son contravariantes en los parámetros y covariantes en el resultado.


val f: Perro => Animal = (a: Animal) => a // válido


¿Por qué? Porque si necesitás una función que acepte Perro, es seguro usar una función que acepte Animal, ya que Animal puede incluir a Perro.


La varianza en Scala te permite expresar con precisión las relaciones de subtipos entre clases genéricas:

  • +T (covariante): útil para leer
  • -T (contravariante): útil para escribir
  • T (invariante): comportamiento por defecto


Comprender este sistema es clave para diseñar APIs robustas, especialmente en programación funcional y colecciones.


jueves, 17 de abril de 2025

Full Stack Open


Le quiero recomendar la página fullstackopen, la cual brinda un curso sobre el desarrollo web moderno. Para no hacerlo tan largo, lo que nos dice esta pagina es lo siguiente: 

¡Aprende React, Redux, Node.js, MongoDB, GraphQL y TypeScript de una sola vez! Este curso te presentará el desarrollo web moderno basado en JavaScript. El enfoque principal es crear aplicaciones de una sola página con ReactJS que usando REST API creadas con Node.js.


Dejo link: https://fullstackopen.com/es/

Covarianza y contravarianza en C++


La covarianza y contravarianza en C++ con templates es un poco más manual que en otros lenguajes como Java o C#, porque C++ no tiene soporte directo para la varianza en plantillas. Pero hay formas de simularla o controlarla explícitamente usando herencia, punteros, referencias, std::variant, std::any, SFINAE y concepts.

Primero: ¿Qué es covarianza y contravarianza?

  • Covarianza: cuando un tipo genérico Container<Derived> puede ser tratado como Container<Base>.
  • Contravarianza: lo contrario Container<Base> puede ser usado donde se espera Container<Derived>.
  • Invarianza: no se permite ninguna conversión.


Las Plantillas en C++ son invariantes, esto no es válido:


template <typename T>

class Caja<T> {};


class Animal {};

class Perro : public Animal {};


Caja<Perro>* cp = new Caja<Perro>();

Caja<Animal>* ca = cp;  //  ERROR: no se permite, son tipos distintos


Y listo, fin del post ... Pero pero sí hay covarianza con punteros y referencias a clases (no templates)

Esto funciona:


class Animal {

public:

    virtual void hablar() {}

};


class Perro : public Animal {

public:

    override void hablar() {}

};


Animal* a = new Perro();  // Anda por Covarianza de punteros


¿Cómo resolver o simular varianza con templates?


Usar herencia con punteros o referencias


template <typename T>

class Caja {

public:

    T* valor;

};


Perro* p = new Perro();

Caja<Perro> c1;

c1.valor = p;

Caja<Animal> c2 = c1;  //  No compila directamente

Podemos hacer funciones que trabajen con T* o T& para aprovechar la covarianza de punteros.


Hacer una jerarquía polimórfica manual


class ICajaBase {

public:

    virtual ~ICajaBase() = default;

};


template <typename T>

class Caja : public ICajaBase {

public:

    T valor;

};


Luego podemos trabajar con ICajaBase* y aplicar RTTI o dynamic_cast.


Usar std::variant o std::any para manejar múltiples tipos


#include <variant>

std::variant<Perro, Gato> animal;


Esto evita plantillas covariantes, pero permite flexibilidad en tiempo de ejecución.


Usar std::enable_if, SFINAE o concepts para limitar compatibilidades


template <typename T>

class Caja {

public:

    static_assert(std::is_base_of<Animal, T>::value, "T debe ser un Animal");

};


En C++, las plantillas son invariantes. pero podemos usar covarianza con punteros y referencias a clases base. Si queremos modelar jerarquías con templates, tenemos que hacerlo manualmente usando herencia, punteros, std::variant o SFINAE.

miércoles, 16 de abril de 2025

NativeAOT en .NET


Cuando exploramos el desarrollo moderno en .NET, una de las optimizaciones más atractivas es NativeAOT (Ahead-of-Time Compilation). Esta funcionalidad permite compilar aplicaciones directamente a código nativo antes de que se ejecuten, evitando la compilación Just-In-Time (JIT) y logrando mejoras significativas en el rendimiento.

NativeAOT permite compilar aplicaciones .NET a código máquina nativo al momento del publish, en lugar de hacerlo en tiempo de ejecución (como lo hace el JIT). Esto ofrece beneficios importantes:

  • Tiempo de inicio muy rápido (ideal para CLI, microservicios y funciones serverless).
  • Menor consumo de memoria, ya que no se necesita el motor JIT ni metadatos innecesarios.
  • Sin dependencias externas, se genera un ejecutable autónomo (self-contained).
  • Mejor rendimiento predecible, sin pausas por compilación dinámica.


Pero no todo lo que brilla es oro, como desventajas podemos nombrar:

  • Mayor tiempo de compilación, ya que el análisis y generación de código nativo lleva más procesamiento.
  • Menor compatibilidad con características dinámicas como reflexión, `Assembly.Load`, `Emit`, o serialización automática sin hints.
  • Mayor complejidad en configuración: requiere ajustes específicos en el código y/o hints de runtime.
  • Tamaño del ejecutable potencialmente mayor, dependiendo del trimming y dependencias.

Agregar la propiedad IsAotCompatible en true en el archivo .csproj del proyecto le indica al SDK de .NET que tu aplicación es compatible con NativeAOT. Esto significa que puede ser compilada a código nativo, pero no activa la compilación AOT automáticamente.


<Project Sdk="Microsoft.NET.Sdk">

  <PropertyGroup>

    <OutputType>Exe</OutputType>

    <TargetFramework>net8.0</TargetFramework>

    <IsAotCompatible>true</IsAotCompatible>

  </PropertyGroup>

</Project>


La compilación AOT se activa explícitamente con:


dotnet publish -c Release -r win-x64 /p:PublishAot=true


Aunque NativeAOT ofrece muchas ventajas, no es la opción predeterminada por varias razones:

  • Compatibilidad: La mayoría de las aplicaciones .NET usan características como reflexión, Assembly.Load, o Emit, que no son compatibles con AOT. 
  • Restricciones técnicas: AOT requiere que toda la información esté disponible en tiempo de compilación. Esto implica evitar estructuras dinámicas, y muchas veces obliga a proporcionar hints o metadatos adicionales para que funcione correctamente.
  • Tiempo de compilación: Compilar con AOT puede llevar más tiempo, ya que realiza trimming, análisis y generación de código nativo. Esto puede dificultar el ciclo rápido de desarrollo y prueba.
  • Tamaño del binario: Aunque AOT puede reducir el runtime necesario, a veces el tamaño del ejecutable final puede ser mayor, dependiendo de las dependencias incluidas.

Entonces ¿Cuándo usar NativeAOT?

Es ideal para:

  • Aplicaciones de consola o CLI.
  • Microservicios que buscan iniciar rápido y consumir poca memoria.
  • Apps en contenedores donde se busca eficiencia.
  • Entornos con recursos limitados.
  • Funciones serverless (como Azure Functions, AWS Lambda).


NativeAOT es una herramienta poderosa que puede ofrecer mejoras notables de rendimiento y eficiencia, pero requiere ciertas adaptaciones. 

Si lo pensamos bien, en un mundo donde todas las aplicaciones tienen a correr en el cloud utilizando docker, que una aplicación sea nativa y ocupe menos recursos se vuelve más importante y como la multiplataformidad la brinda docker ya no es tan importante. NativeAOT se vuelve indispensable. 



lunes, 14 de abril de 2025

PEP 750: ¡Template Strings aceptadas oficialmente en Python!


El lenguaje Python sigue evolucionando con propuestas que buscan mejorar la legibilidad, la seguridad y la flexibilidad del código. Una de las más recientes incorporaciones al lenguaje es la PEP 750, que introduce un nuevo sistema de plantillas de texto: Template Strings.

Aunque Python ya cuenta con varias formas de interpolar texto (como `str.format()` o f-strings), esta propuesta agrega una forma más estructurada y segura de construir cadenas dinámicas, especialmente útil en contextos donde el contenido proviene del usuario o debe ser validado y separado del código de negocio.

La idea es inspirarse en los template literals de lenguajes como JavaScript, pero con una sintaxis propia y flexible.

Características clave:

  • Se introduce un nuevo prefijo de cadena: t"" o t'''...''', al estilo de las f-strings (f"").
  • Las expresiones a interpolar deben ser variables ya definidas (sin expresiones arbitrarias como en las f-strings), lo que reduce riesgos de seguridad.
  • Pueden ser útiles para escenarios como generación de HTML, SQL, etc., donde conviene tener una separación estricta entre datos y estructura.


nombre = "Emanuel"

edad = 30


mensaje = t"Hola, {nombre}. Tenés {edad} años."

print(mensaje)  # Hola, Emanuel. Tenés 30 años.


A diferencia de las f"" strings, no podés hacer expresiones como edad + 1, lo que previene comportamientos inesperados y hace el código más declarativo.

Las Template Strings están diseñadas con seguridad en mente. En lugar de permitir cualquier expresión de Python dentro de la cadena (como en f""), restringen la interpolación a nombres de variables válidos. Esto es ideal en:

  • Aplicaciones web (evitar inyecciones accidentales).
  • Motores de plantillas simplificados.
  • Contextos educativos o de scripting seguro.


La PEP 750 ya fue aceptada y se espera su inclusión oficial en una versión futura de Python (posiblemente Python 3.13 si todo va bien).

Dejo link: https://peps.python.org/pep-0750/

viernes, 11 de abril de 2025

JEP 463 : Clases Implícitamente Declaradas y Métodos main de Instancia

La Propuesta de Mejora de Java (JEP) 463, titulada "Clases Implícitamente Declaradas y Métodos main de Instancia", introduce en Java 22 una funcionalidad que simplifica la escritura de programas básicos, especialmente útil para principiantes en el lenguaje.

El propósito principal de esta propuesta es permitir que los estudiantes y nuevos programadores escriban sus primeros programas en Java sin necesidad de comprender características avanzadas del lenguaje. Esto se logra permitiendo la declaración implícita de clases y la utilización de métodos main de instancia, eliminando la necesidad de especificar modificadores como public, static y el parámetro String[] args.

Las características Principales son: 

1. Clases Implícitamente Declaradas: Permiten escribir programas sin declarar explícitamente una clase. El compilador asume una clase implícita que envuelve el código proporcionado.


   void main() {

       System.out.println("Hola, mundo!");

   }


En este caso, no es necesario declarar una clase explícita; el compilador lo maneja automáticamente. 

2. Métodos main de Instancia: Permiten que el método main sea un método de instancia en lugar de un método estático. Esto facilita la introducción de conceptos orientados a objetos de manera más natural para los principiantes.


   void main() {

       System.out.println("Hola desde un método main de instancia!");

   }



Aquí, el método main no requiere ser estático, lo que simplifica la estructura del programa inicial. 

Como beneficios podemos nombrar:

  • Simplicidad: Reduce la cantidad de código ceremonial necesario para escribir programas simples, facilitando el aprendizaje inicial de Java.
  • Progresión Natural: Permite a los estudiantes comenzar con estructuras simples y luego introducir gradualmente conceptos más complejos como clases y métodos estáticos.
  • Compatibilidad: Mantiene la compatibilidad con las características existentes de Java, permitiendo una transición suave hacia programas más complejos.

Es importante destacar que esta funcionalidad se introdujo como una característica en vista previa en Java 21 bajo la JEP 445 y se reintrodujo en Java 22 con la JEP 463, incorporando mejoras basadas en la retroalimentación recibida. Como característica en vista previa, está sujeta a cambios en futuras versiones del lenguaje. 

La JEP 463 representa un avance significativo en la accesibilidad del lenguaje Java para nuevos programadores, simplificando la estructura necesaria para escribir programas básicos y facilitando una curva de aprendizaje más amigable. Al permitir la declaración implícita de clases y métodos main de instancia, Java se vuelve más accesible sin comprometer su robustez para desarrollos más complejos.

Dejo link: https://openjdk.org/jeps/463 

miércoles, 9 de abril de 2025

Cómo crear un Servicio REST en C++


Aunque C++ no es el primer lenguaje que se nos viene a la cabeza cuando hablamos de servicios web, existen varias bibliotecas que nos permiten construir APIs RESTful de manera sencilla y eficiente. En este post te muestro cómo hacerlo utilizando Crow, una de las librerías más populares para este propósito.

Crow es una microframework para C++ similar a Flask (Python) o Express (Node.js). Es ligera, rápida y permite definir rutas y manejar peticiones HTTP con facilidad.

Vamos a necesitar: 

  • Un compilador moderno compatible con C++17 o superior.
  • CMake (versión 3.14 o superior).


Si usás vcpkg podés instalar Crow fácilmente:

vcpkg install crow


O podés clonar el repositorio:


git clone https://github.com/CrowCpp/crow.git


Veamos un hola mundo : 


#include "crow_all.h"


int main()

{

    crow::SimpleApp app;


    CROW_ROUTE(app, "/")([](){

        return "¡Hola, mundo desde C++!";

    });


    CROW_ROUTE(app, "/suma/<int>/<int>")([](int a, int b){

        return crow::response(std::to_string(a + b));

    });


    app.port(18080).multithreaded().run();

}


¿Qué hace este código?

Define dos rutas: `/` y `/suma/{a}/{b}`.

Devuelve texto plano como respuesta.

Usa crow::SimpleApp para levantar un servidor en el puerto `18080`.


Compilamos con CMake


cmake_minimum_required(VERSION 3.14)

project(servicio_rest_cpp)


set(CMAKE_CXX_STANDARD 17)


add_executable(servicio_rest main.cpp)

target_include_directories(servicio_rest PRIVATE /ruta/a/crow)


Luego:

mkdir build && cd build

cmake ..

make

./servicio_rest


Y ya podés acceder a http://localhost:18080/.

C++ no se queda atrás cuando se trata de crear servicios REST. Con herramientas como Crow, podés construir APIs eficientes, con alto rendimiento y mantenerte en el ecosistema de C++. Perfecto para integrarse con sistemas existentes o para casos donde el rendimiento es crítico.


Dejo link: 

https://crowcpp.org/master/


viernes, 4 de abril de 2025

JEP 459: Plantillas de Cadenas en Java


La propuesta de Mejora de Java (JEP) 459, titulada "Plantillas de Cadenas", introduce en Java una nueva funcionalidad que permite la creación de cadenas dinámicas de manera más sencilla y segura. Esta característica, presentada como vista previa en Java 22, complementa las literales de cadena y los bloques de texto existentes al combinar texto literal con expresiones embebidas y procesadores de plantillas para producir resultados especializados. 

Objetivos de JEP 459

  • Simplificar la escritura de programas Java: Facilita la expresión de cadenas que incluyen valores calculados en tiempo de ejecución.
  • Mejorar la legibilidad: Permite una sintaxis más clara al mezclar texto y expresiones, ya sea en una sola línea o en múltiples líneas.
  • Incrementar la seguridad: Al componer cadenas a partir de valores proporcionados por el usuario, se mejora la validación y transformación de las plantillas y sus valores embebidos.
  • Mantener flexibilidad: Permite que las bibliotecas de Java definan la sintaxis de formato utilizada en las plantillas de cadenas.
  • Simplificar el uso de APIs: Facilita la interacción con APIs que aceptan cadenas escritas en lenguajes no Java, como SQL, XML y JSON. 


Las plantillas de cadenas permiten insertar expresiones directamente dentro de cadenas de texto utilizando una sintaxis específica. A continuación, se muestra un ejemplo básico de su uso:


String nombre = "Duke";

String mensaje = STR."Hola, \{nombre}!";

System.out.println(mensaje);


En este ejemplo, `STR` es un procesador de plantillas que evalúa la expresión embebida `\{nombre}` y la reemplaza con su valor correspondiente, produciendo la salida: "Hola, Duke!". 

Java 22 incorpora varios procesadores de plantillas, entre los que se incluyen:

  • STR: Realiza interpolación de cadenas, reemplazando cada expresión embebida con su valor correspondiente convertido a cadena.
  • FMT: Similar a STR, pero acepta especificadores de formato como los definidos en java.util.Formatter, permitiendo un formateo más detallado.
  • RAW`: No procesa automáticamente la plantilla de cadena, útil para crear procesadores de plantillas personalizados.

Es fundamental tener en cuenta que las plantillas de cadenas fueron introducidas como una funcionalidad en vista previa en Java 21 y reintroducidas en Java 22 con JEP 459. Sin embargo, esta característica fue retirada en Java 23 para una revisión y rediseño adicionales, por lo que no está disponible en versiones posteriores.

Aunque actualmente esta característica está en revisión, su implementación futura promete simplificar y asegurar la construcción de cadenas en Java, facilitando la interacción con otros sistemas y mejorando la legibilidad del código.


Dejo link: https://openjdk.org/jeps/459

jueves, 3 de abril de 2025

JEP 456: Variables y Patrones Anónimos en Java



La Propuesta de Mejora de Java (JEP) 456, titulada "Variables y Patrones Anónimos", introduce en Java la capacidad de declarar variables y patrones sin nombre utilizando el carácter de subrayado (_). Esta característica, incorporada en Java 22, permite a los desarrolladores indicar explícitamente que ciertas variables o parámetros no serán utilizados, mejorando así la claridad y mantenibilidad del código. 

En situaciones donde una variable debe ser declarada pero su valor no es necesario, se puede emplear el carácter _ como nombre de la variable. Esto es útil en contextos como bucles for, bloques catch y expresiones lambda.

Veamos un ejemplo en un bucle for:


int[] numeros = {1, 2, 3, 4, 5};

int total = 0;

for (int _ : numeros) {

    total++;

}

System.out.println("Total: " + total);


En este caso, el bucle itera sobre el array numeros sin necesidad de utilizar el valor de cada elemento, incrementando simplemente el contador total.

Veamos un ejemplo en un bloque catch:


try {

    // Código que puede lanzar una IOException

} catch (IOException _) {

    System.out.println("Ocurrió un error de E/S.");

}


Aquí, se captura la excepción IOException sin necesidad de referenciarla dentro del bloque catch. 

Los patrones anónimos permiten omitir nombres y tipos en patrones de registros cuando no se requiere acceder a ciertos componentes. Esto simplifica la sintaxis y mejora la legibilidad del código al desestructurar objetos.


record Punto(int x, int y) {}

Punto punto = new Punto(5, 10);


if (punto instanceof Punto(int _, int y)) {

    System.out.println("Coordenada y: " + y);

}


En este ejemplo, se omite el nombre de la variable para la coordenada x, ya que no es necesaria, mientras que se accede directamente a la coordenada y. 

La introducción de variables y patrones anónimos en Java 22 representa un avance significativo hacia una sintaxis más concisa y expresiva, alineada con las necesidades modernas de desarrollo.

martes, 1 de abril de 2025

Librerías estándar de Python


Python cuenta con una extensa biblioteca estándar que proporciona módulos y funciones listas para usar sin necesidad de instalar paquetes adicionales. A continuación, exploramos algunas de las librerías más útiles y cómo utilizarlas.


Manipulación de Archivos y Directorios


os - Interacción con el sistema operativo

import os

print(os.name)  # Nombre del sistema operativo

print(os.getcwd())  # Directorio actual

os.mkdir("nueva_carpeta")  # Crear una carpeta


shutil - Operaciones de archivos y directorios

import shutil

shutil.copy("archivo.txt", "copia.txt")  # Copiar un archivo

shutil.rmtree("nueva_carpeta")  # Eliminar un directorio


Manejo de Fechas y Tiempos


datetime - Fechas y horas

from datetime import datetime


ahora = datetime.now()

print(ahora.strftime("%Y-%m-%d %H:%M:%S"))  # Formateo de fecha


time - Control de tiempo y pausas

import time


time.sleep(2)  # Pausar ejecución por 2 segundos

print("Dos segundos después...")


Operaciones Matemáticas y Estadísticas


math - Funciones matemáticas


import math


print(math.sqrt(25))  # Raíz cuadrada

print(math.pi)  # Valor de PI


random - Generación de números aleatorios


import random

print(random.randint(1, 100))  # Número aleatorio entre 1 y 100


statistics - Cálculos estadísticos


import statistics


datos = [10, 20, 30, 40, 50]

print(statistics.mean(datos))  # Media

print(statistics.median(datos))  # Mediana


Manejo de Datos en Formato Texto


json - Trabajar con JSON

import json


datos = {"nombre": "Emanuel", "edad": 30}

cadena_json = json.dumps(datos)  # Convertir a JSON

print(json.loads(cadena_json))  # Convertir de JSON a diccionario


csv - Lectura y escritura de archivos CSV

import csv


with open("datos.csv", "w", newline="") as archivo:

    escritor = csv.writer(archivo)

    escritor.writerow(["Nombre", "Edad"])

    escritor.writerow(["Emanuel", 30])


Expresiones Regulares y Manejo de Texto


re - Expresiones regulares


import re


texto = "Correo: usuario@example.com"

patron = r"[\w.-]+@[\w.-]+\.\w+"

resultado = re.search(patron, texto)

print(resultado.group())  # usuario@example.com


Concurrencia y Multiprocesamiento


threading - Programación con hilos


import threading


def tarea():

    print("Ejecutando en un hilo")


hilo = threading.Thread(target=tarea)

hilo.start()


multiprocessing - Procesos en paralelo


import multiprocessing


def tarea():

    print("Ejecutando en un proceso")


proceso = multiprocessing.Process(target=tarea)

proceso.start()


Manejo de Errores y Depuración


logging - Registro de eventos y depuración


import logging


logging.basicConfig(level=logging.INFO)

logging.info("Esto es un mensaje informativo")


La biblioteca estándar de Python proporciona herramientas esenciales para diversas tareas sin necesidad de instalar paquetes adicionales. Conocer y utilizar estos módulos puede hacer que tu código sea más eficiente y organizado.


Novedades de java 22


¡JDK 22 ya está disponible!

JDK 22 ofrece 12 mejoras significativas. Estas mejoras abarcan mejoras en el lenguaje Java, sus API, su rendimiento y las herramientas incluidas en el JDK.

1) Mejoras del lenguaje:

  • Variables y patrones sin nombre - JEP 456: Mejora la legibilidad cuando se requieren declaraciones de variables o patrones anidados, pero no se utilizan. Ambos se indican con el guión bajo.

1.1) Vistas preview del lenguaje

  • Declaraciones antes de super(…) - JEP 447: En los constructores, permite que las declaraciones que no hacen referencia a la instancia que se está creando aparezcan antes de una invocación explícita del constructor.
  • Plantillas de cadena (Segunda versión preliminar) - JEP 459: Las plantillas de cadena complementan los literales de cadena y los bloques de texto existentes de Java al combinar el texto literal con expresiones integradas y procesadores de plantillas para producir resultados especializados.
  • Clases declaradas implícitamente y métodos principales de instancia (Segunda vista previa) - JEP 463: Los estudiantes pueden escribir sus primeros programas en Java sin necesidad de comprender las características del lenguaje diseñadas para programas grandes. En lugar de usar un dialecto independiente del lenguaje, pueden escribir declaraciones simplificadas para programas de una sola clase y luego ampliarlos sin problemas para usar funciones más avanzadas a medida que mejoran sus habilidades.


2) Bibliotecas

  • API de Funciones Externas y Memoria - JEP 454: Permite que los programas Java interoperen con código y datos fuera del entorno de ejecución de Java. Al invocar eficientemente funciones externas (es decir, código fuera de la JVM) y acceder de forma segura a la memoria externa (es decir, memoria no gestionada por la JVM), la API permite que los programas Java invoquen bibliotecas nativas y procesen datos nativos sin la fragilidad ni los riesgos de JNI.


2.1) Vistas previas de bibliotecas e incubadora

  • API de archivo de clase (Vista previa) - JEP 457: Proporciona una API estándar para analizar, generar y transformar archivos de clase Java.
  • Recolectores de streams (Vista previa) - JEP 461: Mejora la API de streams para admitir operaciones intermedias personalizadas. Esto permitirá que las canalizaciones de flujos transformen datos de maneras que no son fáciles de lograr con las operaciones intermedias integradas existentes.
  • Concurrencia estructurada (2.ª vista previa) - JEP 462: Simplifica la programación concurrente. La concurrencia estructurada trata grupos de tareas relacionadas que se ejecutan en diferentes hilos como una sola unidad de trabajo, optimizando así la gestión y cancelación de errores, mejorando la fiabilidad y la observabilidad.
  • Valores con Alcance (2.ª Vista Previa) - JEP 464: Permite compartir eficientemente datos inmutables dentro y entre subprocesos.
  • API Vector (7.ª Incubadora) - JEP 460: Una API para expresar cálculos vectoriales que se compilan de forma fiable en tiempo de ejecución para obtener instrucciones vectoriales óptimas en arquitecturas de CPU compatibles, logrando así un rendimiento superior al de cálculos escalares equivalentes. Este JEP propone reincubar la API en JDK 22, con mejoras menores en la API con respecto a JDK 21. La implementación incluye correcciones de errores y mejoras de rendimiento. Incluimos los siguientes cambios notables: Compatibilidad con el acceso vectorial con segmentos de memoria del montón respaldados por un array de cualquier tipo de elemento primitivo. Anteriormente, el acceso estaba limitado a segmentos de memoria del montón respaldados por un array de bytes.


3) Rendimiento

  • Fijación regional para G1 - JEP 423: Reduce la latencia al implementar la fijación regional en G1, de modo que no es necesario deshabilitar la recolección de elementos no utilizados durante las regiones críticas de la Interfaz Nativa de Java (JNI).


4) Herramientas

Iniciar programas de código fuente con múltiples archivos - JEP 458: Permite a los usuarios ejecutar un programa proporcionado como múltiples archivos de código fuente Java sin tener que compilarlo primero.


Java 22 continúa la evolución del lenguaje, incorporando mejoras que aumentan su expresividad, rendimiento y seguridad. Estas actualizaciones refuerzan el compromiso de la plataforma con la innovación y la adaptabilidad a las necesidades actuales de desarrollo.

En proximos post vamos a detallar las mejoras del lenguaje. 

Dejo link: https://blogs.oracle.com/java/post/the-arrival-of-java-22

Importación de módulos y uso de paquetes en Python


Python es un lenguaje que permite organizar el código en módulos y paquetes, facilitando la reutilización y la modularidad. 

Un módulo en Python es simplemente un archivo `.py` que contiene funciones, clases y variables que pueden ser reutilizadas en otros archivos.


Ejemplo de módulo (`mi_modulo.py`):

Definimos una función en el módulo


def saludar(nombre):

    return f"Hola, {nombre}!"


Para usar un módulo en otro script, se puede importar con import:


import mi_modulo

print(mi_modulo.saludar("Emanuel"))  # Salida: Hola, Emanuel!


También se puede importar solo un elemento específico:


from mi_modulo import saludar

print(saludar("Mundo"))


Si se quiere importar todo el contenido de un módulo pero con un alias:


import mi_modulo as mod

print(mod.saludar("Python"))


Un paquete es una carpeta que contiene múltiples módulos y un archivo especial `__init__.py`, el cual indica que la carpeta debe tratarse como un paquete.


Estructura de un paquete:


mi_paquete/

│── __init__.py

│── modulo1.py

│── modulo2.py



Ejemplo de modulo1.py en mi_paquete:


def sumar(a, b):

    return a + b


Ejemplo de modulo2.py en mi_paquete:


def restar(a, b):

    return a - b


Para importar módulos desde un paquete:


from mi_paquete import modulo1, modulo2

print(modulo1.sumar(5, 3))  # Salida: 8

print(modulo2.restar(10, 4))  # Salida: 6


También se puede importar solo una función específica:


from mi_paquete.modulo1 import sumar

print(sumar(7, 2))


Importación relativa vs. absoluta


- Importación absoluta: Se usa la ruta completa desde el paquete raíz.

 

 from mi_paquete.modulo1 import sumar


- Importación relativa: Se usa `.` o `..` para referirse a módulos dentro del mismo paquete.

 

 from .modulo1 import sumar  # Desde el mismo paquete

 from ..otro_paquete.modulo3 import dividir  # Desde un paquete hermano


Python incluye una gran cantidad de módulos en su biblioteca estándar, que pueden ser importados directamente:


import math

print(math.sqrt(25))  # Salida: 5.0


Para instalar e importar paquetes de terceros (ejemplo: requests):


$ pip install requests



import requests

response = requests.get("https://api.github.com")

print(response.status_code)


El uso de módulos y paquetes en Python permite mantener el código organizado, reutilizable y fácil de mantener. Con las diferentes opciones de importación, puedes estructurar tus proyectos de manera eficiente.

martes, 25 de marzo de 2025

Sobrecarga de Métodos en Python


La sobrecarga de métodos (method overloading) ocurre cuando una clase define múltiples métodos con el mismo nombre pero diferentes parámetros. Sin embargo, Python no admite sobrecarga de métodos de la misma manera que lenguajes como Java o C++. En Python, si se define un método con el mismo nombre más de una vez, la última definición sobrescribe a las anteriores.

Ejemplo de Sobrecarga (Que No Funciona en Python)


class Calculadora:

    def sumar(self, a, b):

        return a + b


    def sumar(self, a, b, c):  # Sobrescribe el método anterior

        return a + b + c


calc = Calculadora()

print(calc.sumar(2, 3))  # Error: Argumentos incorrectos


El método sumar(a, b) se sobrescribe con sumar(a, b, c), por lo que llamar sumar(2, 3) genera un error.


Dado que Python no permite sobrecarga nativa, podemos lograr un comportamiento similar con valores por defecto, *args y @singledispatch.


Podemos definir parámetros opcionales para manejar diferentes cantidades de argumentos.


class Calculadora:

    def sumar(self, a, b, c=0):  # c es opcional

        return a + b + c


calc = Calculadora()

print(calc.sumar(2, 3))     # 5  (usa c=0 por defecto)

print(calc.sumar(2, 3, 4))  # 9  (usa c=4)


Esto imita la sobrecarga permitiendo diferentes cantidades de argumentos.

Si queremos permitir una cantidad dinámica de argumentos, podemos usar *args.


class Calculadora:

    def sumar(self, *args):

        return sum(args)  # Suma todos los argumentos recibidos


calc = Calculadora()

print(calc.sumar(2, 3))       # 5

print(calc.sumar(2, 3, 4, 5)) # 14


Aquí *args permite cualquier número de argumentos.

El decorador functools.singledispatch permite definir funciones con el mismo nombre pero con diferentes tipos de argumento.


from functools import singledispatch


@singledispatch

def procesar(valor):

    raise NotImplementedError("Tipo no soportado")


@procesar.register(int)

def _(valor):

    return f"Procesando número: {valor}"


@procesar.register(str)

def _(valor):

    return f"Procesando texto: {valor.upper()}"


print(procesar(10))     # Procesando número: 10

print(procesar("hola")) # Procesando texto: HOLA


Este enfoque permite sobrecargar la función dependiendo del tipo de dato del argumento.


lunes, 24 de marzo de 2025

Diferencias entre @Component, @Controller, @Service y @Repository en Spring Boot


Spring Boot proporciona varias anotaciones para marcar clases como beans dentro del contenedor de Spring. Entre ellas, @Component, @Controller, @Service y @Repository son las más utilizadas. Aunque todas registran un bean dentro del contexto de Spring, cada una tiene un propósito específico. A continuación, explicamos sus diferencias y usos recomendados.

@Component es la anotación más genérica y sirve para marcar cualquier clase como un bean de Spring. Cualquier clase anotada con @Component será detectada automáticamente por el escaneo de componentes de Spring y registrada en el contexto de la aplicación.


@Component

public class MiComponente {

    public void hacerAlgo() {

        System.out.println("Ejecutando lógica en MiComponente");

    }

}

Se recomienda usar @Component cuando la clase no encaje específicamente en @Controller, @Service o @Repository.


@Controller es una especialización de @Component que se utiliza en el contexto de Spring MVC para manejar solicitudes HTTP. Las clases anotadas con`@Controller se encargan de procesar peticiones web y devolver respuestas.


@Controller

public class MiControlador {

    @GetMapping("/saludo")

    public String saludo(Model model) {

        model.addAttribute("mensaje", "¡Hola desde el controlador!");

        return "saludo";

    }

}


Si el controlador necesita devolver solo datos en formato JSON o XML, se recomienda usar @RestController, que combina`@Controller y @ResponseBody.


@Service también es una especialización de @Component, pero se utiliza para indicar que una clase contiene lógica de negocio. Su uso es más semántico, ayudando a la organización y mantenimiento del código.


@Service

public class MiServicio {

    public String obtenerSaludo() {

        return "Hola desde el servicio";

    }

}


Se recomienda usar @Service para clases que encapsulen lógica de negocio y sean reutilizables en distintos lugares de la aplicación.


@Repository es otra especialización de @Component, pero está orientada a la capa de acceso a datos. Además de marcar la clase como un bean, @Repository proporciona integración con mecanismos de persistencia, como la gestión automática de excepciones relacionadas con bases de datos.


@Repository

public interface MiRepositorio extends JpaRepository<Entidad, Long> {

}

Spring usa @Repository para traducir excepciones de bases de datos en excepciones no verificadas de Spring (DataAccessException).


Cada anotación tiene su uso específico y contribuye a mantener una arquitectura limpia y organizada. Elegir la anotación adecuada ayuda a mejorar la mantenibilidad y escalabilidad de la aplicación.


domingo, 23 de marzo de 2025

Programación Orientada a Objetos en Python parte 5


Seguimos con poo y python.

La clase object en Python es la superclase base de todas las clases. Esto significa que cualquier clase que crees hereda, directa o indirectamente, de object. 

object es la raíz de la jerarquía de clases en Python. Si defines una clase sin especificar una superclase, automáticamente hereda de object.


class MiClase:  # Equivalente a class MiClase(object)

    pass


print(issubclass(MiClase, object))  # True


En versiones modernas de Python (desde Python 3), todas las clases heredan implícitamente de object.

Al heredar de object, las clases obtienen algunos métodos fundamentales:


__str__ y __repr__ : Estos métodos definen cómo se representa una instancia como cadena:


class Ejemplo:

    def __str__(self):

        return "Ejemplo como str"


    def __repr__(self):

        return "Ejemplo()"


obj = Ejemplo()

print(str(obj))   # "Ejemplo como str"

print(repr(obj))  # "Ejemplo()"


__eq__ y __hash__ : Permiten comparar objetos y usarlos en estructuras como set o dict.


class Persona:

    def __init__(self, nombre):

        self.nombre = nombre


    def __eq__(self, otro):

        return isinstance(otro, Persona) and self.nombre == otro.nombre


    def __hash__(self):

        return hash(self.nombre)


p1 = Persona("Alice")

p2 = Persona("Alice")

print(p1 == p2)  # True (porque definimos __eq__)

print(hash(p1) == hash(p2))  # True (porque __hash__ usa el nombre)


__class__ : Permite acceder a la clase de un objeto.


print(obj.__class__)  # <class '__main__.Ejemplo'>


Si bien no es necesario, se puede hacer explícita la herencia:


class MiClase(object):  # En Python 3 esto es redundante

    pass


Esto era más importante en Python 2, donde existían diferencias entre clases clásicas y clases de nuevo estilo.

La sobrescritura de métodos (method overriding) ocurre cuando una subclase redefine un método de su superclase con la misma firma (mismo nombre y parámetros). Esto permite modificar o extender el comportamiento heredado.

Cuando una subclase sobrescribe un método de su superclase, la nueva versión reemplaza a la anterior.


class Animal:

    def hacer_sonido(self):

        return "Sonido genérico"


class Perro(Animal):

    def hacer_sonido(self):  # Sobrescribe el método

        return "Guau Guau!"


animal = Animal()

perro = Perro()


print(animal.hacer_sonido())  # Sonido genérico

print(perro.hacer_sonido())   # Guau Guau!


Aquí, Perro redefine hacer_sonido(), cambiando el comportamiento original.

Para reutilizar la implementación de la superclase y agregar nueva funcionalidad, usamos super().


class Vehiculo:

    def describir(self):

        return "Soy un vehículo."


class Coche(Vehiculo):

    def describir(self):

        return super().describir() + " Soy un coche."


c = Coche()

print(c.describir())  # Soy un vehículo. Soy un coche.


super().describir() llama al método original en Vehiculo, evitando reescribir código innecesario.

Podemos sobrescribir el constructor (__init__) de la superclase, llamando a super() para inicializar atributos.


class Persona:

    def __init__(self, nombre):

        self.nombre = nombre


    def presentarse(self):

        return f"Hola, soy {self.nombre}."


class Estudiante(Persona):

    def __init__(self, nombre, universidad):

        super().__init__(nombre)  # Llamamos al __init__ de Persona

        self.universidad = universidad


    def presentarse(self):

        return super().presentarse() + f" Estudio en {self.universidad}."


e = Estudiante("Carlos", "MIT")

print(e.presentarse())  # Hola, soy Carlos. Estudio en MIT.


Aquí, Estudiante extiende __init__ y presentarse(), reutilizando la lógica de Persona.


Podemos redefinir métodos especiales para personalizar el comportamiento de nuestras clases.


class Libro:

    def __init__(self, titulo, autor):

        self.titulo = titulo

        self.autor = autor


    def __str__(self):  # Representación amigable para humanos

        return f"Libro: {self.titulo} de {self.autor}"


    def __repr__(self):  # Representación para depuración

        return f"Libro({repr(self.titulo)}, {repr(self.autor)})"


libro = Libro("1984", "George Orwell")

print(str(libro))   # Libro: 1984 de George Orwell

print(repr(libro))  # Libro('1984', 'George Orwell')


En lenguajes como Java o C++, upcasting y downcasting son técnicas que permiten tratar objetos de una subclase como si fueran de su superclase (upcasting) o convertir un objeto de la superclase en su subclase específica (downcasting).

Python NO tiene upcasting ni downcasting en el sentido estricto porque su sistema de tipos es dinámico y no requiere conversiones explícitas. Sin embargo, se pueden imitar estos conceptos utilizando la herencia y el manejo de instancias.

En upcasting, un objeto de una subclase se trata como si fuera de su superclase. Esto es natural en Python, ya que una subclase hereda automáticamente los métodos y atributos de su superclase.


class Animal:

    def hacer_sonido(self):

        return "Sonido genérico"


class Perro(Animal):

    def hacer_sonido(self):

        return "Guau Guau!"


# Upcasting: Tratamos un Perro como un Animal

animal: Animal = Perro()  # No es necesario hacer conversión

print(animal.hacer_sonido())  # Guau Guau!


En Python, no es necesario realizar una conversión explícita para tratar un objeto de una subclase como su superclase. Simplemente se puede asignar una instancia de la subclase a una variable del tipo de la superclase.

El downcasting ocurre cuando convertimos un objeto de una superclase a su subclase específica. En Python, esto no es seguro y debe hacerse con validaciones, ya que un objeto de la superclase puede no tener los métodos de la subclase.


class Animal:

    def hacer_sonido(self):

        return "Sonido genérico"


class Perro(Animal):

    def hacer_sonido(self):

        return "Guau Guau!"


    def correr(self):

        return "El perro está corriendo."


# Upcasting: Perro como Animal

animal: Animal = Perro()


# Downcasting: Verificamos si el objeto es realmente un Perro

if isinstance(animal, Perro):

    perro: Perro = animal  # No hay conversión explícita, solo reasignación

    print(perro.correr())  # El perro está corriendo.

else:

    print("No se puede hacer downcasting.")


Python no impide el downcasting, pero no lo recomienda porque se basa en la verificación de tipo en tiempo de ejecución (isinstance()). Si intentamos acceder a un método de Perro en un objeto que realmente es Animal, fallará.

En Python, las clases abstractas y los métodos abstractos permiten definir estructuras base que las subclases deben implementar. Se logran con el módulo abc (Abstract Base Class).

Una clase abstracta es aquella que no puede instanciarse directamente y sirve como plantilla para otras clases.

  • Se define usando ABC del módulo abc.  
  • Si una clase tiene al menos un método abstracto, debe ser abstracta.  

Ejemplo:


from abc import ABC, abstractmethod


class Animal(ABC):  # Clase abstracta

    @abstractmethod

    def hacer_sonido(self):

        pass  # No tiene implementación


# Error si intentamos instanciar

# a = Animal()  # TypeError: Can't instantiate abstract class Animal


Animal no se puede instanciar porque tiene métodos abstractos.

Un método abstracto es aquel que debe ser implementado en las subclases.


Ejemplo:


class Perro(Animal):  # Subclase concreta

    def hacer_sonido(self):

        return "Guau Guau!"  # Implementación obligatoria


p = Perro()

print(p.hacer_sonido())  # Guau Guau!


Perro hereda de Animal y debe implementar hacer_sonido(), o Python lanzará un error.

En Python, un método abstracto puede tener una implementación base:


class Ave(ABC):

    @abstractmethod

    def volar(self):

        print("Algunas aves pueden volar")  # Implementación opcional


class Aguila(Ave):

    def volar(self):

        super().volar()

        print("El águila vuela alto")


a = Aguila()

a.volar()


Las subclases pueden llamar super().volar() para reutilizar la implementación base.

También podemos definir propiedades abstractas con @property:


class Figura(ABC):

    @property

    @abstractmethod

    def area(self):

        pass  # Obliga a definir `area` en las subclases


class Cuadrado(Figura):

    def __init__(self, lado):

        self._lado = lado


    @property

    def area(self):

        return self._lado ** 2


c = Cuadrado(4)

print(c.area)  # 16


La subclase debe implementar la propiedad area, o Python lanzará un error.

El polimorfismo es un concepto clave en la Programación Orientada a Objetos (POO) que permite que diferentes clases tengan métodos con el mismo nombre, pero con comportamientos distintos. En Python, el polimorfismo se aplica de manera dinámica y es muy flexible.

Podemos definir métodos con el mismo nombre en diferentes clases y usarlos sin importar el tipo de objeto.


class Perro:

    def hacer_sonido(self):

        return "Guau Guau!"


class Gato:

    def hacer_sonido(self):

        return "Miau Miau!"


# Función polimórfica

def sonido_animal(animal):

    print(animal.hacer_sonido())


# Ambas clases tienen el método `hacer_sonido`, pero con comportamientos diferentes

perro = Perro()

gato = Gato()


sonido_animal(perro)  # Guau Guau!

sonido_animal(gato)   # Miau Miau!


Python permite usar hacer_sonido() sin importar el tipo de objeto porque ambos lo implementan.

Si una clase base define un método, las subclases pueden sobrescribirlo con su propia implementación.


class Ave:

    def volar(self):

        return "Algunas aves pueden volar"


class Aguila(Ave):

    def volar(self):

        return "El águila vuela alto y rápido"


class Pinguino(Ave):

    def volar(self):

        return "El pingüino no puede volar"


# Lista de objetos polimórficos

aves = [Aguila(), Pinguino()]


for ave in aves:

    print(ave.volar())


# Salida:

# El águila vuela alto y rápido

# El pingüino no puede volar


volar() tiene diferentes comportamientos según la subclase.

Podemos forzar a las subclases a implementar métodos específicos usando clases abstractas (ABC).


from abc import ABC, abstractmethod


class Figura(ABC):

    @abstractmethod

    def area(self):

        pass


class Cuadrado(Figura):

    def __init__(self, lado):

        self.lado = lado


    def area(self):

        return self.lado ** 2


class Circulo(Figura):

    def __init__(self, radio):

        self.radio = radio


    def area(self):

        return 3.14 * self.radio ** 2


# Lista polimórfica

figuras = [Cuadrado(4), Circulo(3)]


for figura in figuras:

    print(figura.area())  # Python llama al método `area()` correspondiente


Gracias al polimorfismo, podemos iterar sobre figuras sin preocuparnos del tipo.

Python tambien permite redefinir operadores como +,*,== mediante métodos especiales (dunder methods).


class Punto:

    def __init__(self, x, y):

        self.x = x

        self.y = y


    def __add__(self, otro):

        return Punto(self.x + otro.x, self.y + otro.y)


    def __str__(self):

        return f"({self.x}, {self.y})"


p1 = Punto(2, 3)

p2 = Punto(5, 7)


print(p1 + p2)  # (7, 10)

+ se comporta diferente gracias a la sobrecarga de operadores.


viernes, 21 de marzo de 2025

Número variable de argumentos en C#


En C#, la palabra clave params se usa para permitir que un método acepte un número variable de argumentos del mismo tipo sin necesidad de definir múltiples sobrecargas.  

¿Cómo funciona?  

  • Solo puede haber un parámetro params por método, y debe ser el último parámetro en la lista.  
  • El argumento pasado puede ser una lista de valores separados por comas o un array del tipo especificado.  

Veamos un ejemplo: 


using System;


class Program

{

    static void Main()

    {

        ImprimirNumeros(1, 2, 3, 4, 5);

        ImprimirNumeros(10, 20);

        ImprimirNumeros(); // No pasa nada, la lista puede estar vacía

    }


    static void ImprimirNumeros(params int[] numeros)

    {

        foreach (var num in numeros)

        {

            Console.Write(num + " ");

        }

        Console.WriteLine();

    }

}

La salida va a ser:

1 2 3 4 5  

10 20  


También puedes pasar un array en lugar de valores separados por comas:  


int[] valores = { 100, 200, 300 };

ImprimirNumeros(valores);



Puedes mezclar params con otros parámetros, pero debe estar al final:  


static void Saludar(string mensaje, params string[] nombres)

{

    foreach (var nombre in nombres)

    {

        Console.WriteLine($"{mensaje}, {nombre}!");

    }

}


// Llamadas válidas:

Saludar("Hola", "Juan", "Ana", "Luis");  

Saludar("Bienvenido", "Carlos");  


Y la salida va a ser: 


Hola, Juan!  

Hola, Ana!  

Hola, Luis!  

Bienvenido, Carlos!  


¿Cuándo usar params?  

  • Cuando quieres un método flexible sin definir múltiples sobrecargas.  
  • Para métodos como Console.WriteLine(), que pueden recibir cualquier cantidad de argumentos.  
  • Para situaciones en las que puede haber 0 o más parámetros opcionales sin usar List<T> o IEnumerable<T>.  


Alquimista de código


Les quiero recomendar el blog alquimista de código; es un blog de muy buena calidad y con mucha información y opiniones. Esta bueno! 

También cuenta con mucha información de diferentes lenguajes de programación no solo los más conocidos sino tambien nuevos y no tan nuevos. Si les gusta mi blog, seguro este les va a gustar. 

Dejo link: 

https://alquimistadecodigo.blogspot.com/

jueves, 20 de marzo de 2025

Programación Orientada a Objetos en Python parte 4


Seguimos con poo y python.

Una vez que nos familiarizamos con los conceptos básicos de POO podemos ahora enfocarnos en herramientas que nos permiten aprovechar mejor sus beneficios, veremos a continuación los pilares fundamentales sobre los que se basa la Programación Orientada a Objetos.

La herencia es una herramienta que fomenta la reusabilidad del código. Permite a una clase poder reutilizar (o heredar) compartamientos y/o atributos de otra clase, denominada superclase o clase padre. Muchas veces nos encontramos con escenarios en donde tenemos implementada ya en cierta clase, atributos o métodos que necesitamos luego utilizar en otra clase. Por ejemplo supongamos que contamos con un método registrar en la clase Venta y ahora nos encontramos desarrollando una clase VentaEnLinea, la cual tiene comportamientos y atributos similares a la anterior, pero se diferencia en algunos atributos y comportamientos. Aplicando herencia podremos reutilizar lo definido en la clase anterior e inclusive modificar comportamientos definidos para solucionar nuestro problema. 

La herencia es un proceso mediante el cual se puede crear una clase hija que hereda de una clase padre, compartiendo sus métodos y atributos. Además de ello, una clase hija puede sobreescribir los métodos o atributos, o incluso definir unos nuevos.

Se puede crear una clase hija con tan solo pasar como parámetro la clase de la que queremos heredar. En el siguiente ejemplo vemos como se puede usar la herencia en Python, con la clase Perro que hereda de Animal. Así de fácil.


# Definimos una clase padre

class Animal:

    pass


# Creamos una clase hija que hereda de la padre

class Perro(Animal):

    pass


De hecho podemos ver como efectivamente la clase Perro es la hija de Animal usando __bases__


print(Perro.__bases__)

# (<class '__main__.Animal'>,)


De manera similar podemos ver que clases descienden de una en concreto con __subclasses__.


print(Animal.__subclasses__())

# [<class '__main__.Perro'>]


¿Y para que queremos la herencia? Dado que una clase hija hereda los atributos y métodos de la padre, nos puede ser muy útil cuando tengamos clases que se parecen entre sí pero tienen ciertas particularidades. En este caso en vez de definir un montón de clases para cada animal, podemos tomar los elementos comunes y crear una clase Animal de la que hereden el resto, respetando por tanto la filosofía DRY. Realizar estas abstracciones y buscar el denominador común para definir una clase de la que hereden las demás, es una tarea de lo más compleja en el mundo de la programación.

Para saber más: El principio DRY (Don't Repeat Yourself) es muy aplicado en el mundo de la programación y consiste en no repetir código de manera innecesaria. Cuanto más código duplicado exista, más difícil será de modificar y más fácil será crear inconsistencias. Las clases y la herencia a no repetir código.

Continuemos con nuestro ejemplo de perros y animales. Vamos a definir una clase padre Animal que tendrá todos los atributos y métodos genéricos que los animales pueden tener. Esta tarea de buscar el denominador común es muy importante en programación. Veamos los atributos:

Tenemos la especie ya que todos los animales pertenecen a una.

Y la edad, ya que todo ser vivo nace, crece, se reproduce y muere.

Y los métodos o funcionalidades:

Tendremos el método hablar, que cada animal implementará de una forma. Los perros ladran, las abejas zumban y los caballos relinchan.

Un método moverse. Unos animales lo harán caminando, otros volando.

Y por último un método descríbeme que será común.

Definimos la clase padre, con una serie de atributos comunes para todos los animales como hemos indicado.


class Animal:

    def __init__(self, especie, edad):

        self.especie = especie

        self.edad = edad


    # Método genérico pero con implementación particular

    def hablar(self):

        # Método vacío

        pass


    # Método genérico pero con implementación particular

    def moverse(self):

        # Método vacío

        pass


    # Método genérico con la misma implementación

    def describeme(self):

        print("Soy un Animal del tipo", type(self).__name__)


Tenemos ya por lo tanto una clase genérica Animal, que generaliza las características y funcionalidades que todo animal puede tener. Ahora creamos una clase Perro que hereda del Animal. Como primer ejemplo vamos a crear una clase vacía, para ver como los métodos y atributos son heredados por defecto.


# Perro hereda de Animal

class Perro(Animal):

    pass


mi_perro = Perro('mamífero', 10)

mi_perro.describeme()

# Soy un Animal del tipo Perro


Con tan solo un par de líneas de código, hemos creado una clase nueva que tiene todo el contenido que la clase padre tiene, pero aquí viene lo que es de verdad interesante. Vamos a crear varios animales concretos y sobreescrbir algunos de los métodos que habían sido definidos en la clase Animal, como el hablar o el moverse, ya que cada animal se comporta de una manera distinta.

Podemos incluso crear nuevos métodos que se añadirán a los ya heredados, como en el caso de la Abeja con picar().


class Perro(Animal):

    def hablar(self):

        print("Guau!")

    def moverse(self):

        print("Caminando con 4 patas")


class Vaca(Animal):

    def hablar(self):

        print("Muuu!")

    def moverse(self):

        print("Caminando con 4 patas")


class Abeja(Animal):

    def hablar(self):

        print("Bzzzz!")

    def moverse(self):

        print("Volando")


    # Nuevo método

    def picar(self):

        print("Picar!")


Por lo tanto ya podemos crear nuestros objetos de esos animales y hacer uso de sus métodos que podrían clasificarse en tres:

  • Heredados directamente de la clase padre: describeme()
  • Heredados de la clase padre pero modificados: hablar() y moverse()
  • Creados en la clase hija por lo tanto no existentes en la clase padre: picar()

      

mi_perro = Perro('mamífero', 10)

mi_vaca = Vaca('mamífero', 23)

mi_abeja = Abeja('insecto', 1)


mi_perro.hablar()

mi_vaca.hablar()

# Guau!

# Muuu!


mi_vaca.describeme()

mi_abeja.describeme()

# Soy un Animal del tipo Vaca

# Soy un Animal del tipo Abeja


mi_abeja.picar()

# Picar!


La función super() nos permite acceder a los métodos de la clase padre desde una de sus hijas. Volvamos al ejemplo de Animal y Perro.


class Animal:

    def __init__(self, especie, edad):

        self.especie = especie

        self.edad = edad        


    def hablar(self):

        pass


    def moverse(self):

        pass


    def describeme(self):

        print("Soy un Animal del tipo", type(self).__name__)


Tal vez queramos que nuestro Perro tenga un parámetro extra en el constructor, como podría ser el dueño. Para realizar esto tenemos dos alternativas:

  • Podemos crear un nuevo __init__ y guardar todas las variables una a una.
  • O podemos usar super() para llamar al __init__ de la clase padre que ya aceptaba la especie y edad, y sólo asignar la variable nueva manualmente.


class Perro(Animal):

    def __init__(self, especie, edad, dueño):

        # Alternativa 1

        # self.especie = especie

        # self.edad = edad

        # self.dueño = dueño


        # Alternativa 2

        super().__init__(especie, edad)

        self.dueño = dueño


mi_perro = Perro('mamífero', 7, 'Luis')

mi_perro.especie

mi_perro.edad

mi_perro.dueño


En Python es posible realizar herencia múltiple. En otros posts hemos visto como se podía crear una clase padre que heredaba de una clase hija, pudiendo hacer uso de sus métodos y atributos. La herencia múltiple es similar, pero una clase hereda de varias clases padre en vez de una sola.

Veamos un ejemplo. Por un lado tenemos dos clases Clase1 y Clase2, y por otro tenemos la Clase3 que hereda de las dos anteriores. Por lo tanto, heredará todos los métodos y atributos de ambas.


class Clase1:

    pass

class Clase2:

    pass

class Clase3(Clase1, Clase2):

    pass


Es posible también que una clase herede de otra clase y a su vez otra clase herede de la anterior.


class Clase1:

    pass

class Clase2(Clase1):

    pass

class Clase3(Clase2):

    pass


Llegados a este punto nos podemos plantear lo siguiente. Si llamo a un método que todas las clases tienen en común ¿a cuál se llama?. Pues bien, existe una forma de saberlo.

La forma de saber a que método se llama es consultar el MRO o Method Order Resolution. Esta función nos devuelve una tupla con el orden de búsqueda de los métodos. Como era de esperar se empieza en la propia clase y se va subiendo hasta la clase padre, de izquierda a derecha.


class Clase1:

    pass

class Clase2:

    pass

class Clase3(Clase1, Clase2):

    pass


print(Clase3.__mro__)

# (<class '__main__.Clase3'>, <class '__main__.Clase1'>, <class '__main__.Clase2'>, <class 'object'>)


Una curiosidad es que al final del todo vemos la clase object. Aunque pueda parecer raro, es correcto ya que en realidad todas las clases en Python heredan de una clase genérica object, aunque no lo especifiquemos explícitamente.

Y como último ejemplo,…el cielo es el límite. Podemos tener una clase heredando de otras tres. Fíjate en que el MRO depende del orden en el que las clases son pasadas: 1, 3, 2.


class Clase1:

    pass

class Clase2:

    pass

class Clase3:

    pass

class Clase4(Clase1, Clase3, Clase2):

    pass

print(Clase4.__mro__)

# (<class '__main__.Clase4'>, <class '__main__.Clase1'>, <class '__main__.Clase3'>, <class '__main__.Clase2'>, <class 'object'>)