策略模式（Strategy Pattern）详解

一、策略模式的定义

策略模式（Strategy Pattern）是一种行为型设计模式，它定义了一组算法，将每个算法封装起来，并使它们可以相互替换，从而让算法的变化独立于使用它的客户（Client）。

换句话说，策略模式让一个类的行为或其算法可以在运行时更改，而不会影响使用该类的代码。

---

二、生活中的类比

想象一下，你去一家披萨店点披萨，他们提供了三种不同的切割方式：

1. 正常切割（切成八块）
2. 方块切割（切成小方块）
3. 不切割（整块送上）

每种切割方式是一个策略，你可以在点餐时选择适合自己的方式。这意味着：

• 披萨店（上下文，Context）不关心具体的切割方法，只需要使用一个策略接口来执行对应的切割方式。
• 你可以随时更换切割策略，而不需要修改披萨店的代码。

---

三、策略模式的结构

策略模式主要由 3 个核心部分 组成：

组件	作用
策略接口（Strategy）	定义一组可以互相替换的算法接口。
具体策略（Concrete Strategy）	实现策略接口的不同算法。
上下文（Context）	负责与策略接口交互，并可以动态切换策略。

UML 类图

        +----------------------+|       Context        |  |----------------------|| strategy: Strategy   |   ---->  +----------------------+|----------------------|          |     Strategy         |  | setStrategy()        |          |----------------------|| executeStrategy()    |          | execute()            |+----------------------+          +----------------------+|                               ▲|                               ||         +----------------------------------------+|         |                    |                  |+--------------------+  +--------------------+  +--------------------+|  ConcreteStrategyA |  |  ConcreteStrategyB |  |  ConcreteStrategyC ||--------------------|  |--------------------|  |--------------------|| execute()          |  | execute()          |  | execute()          |+--------------------+  +--------------------+  +--------------------+

---

四、策略模式的 Python 实现

(1) 定义策略接口

from abc import ABC, abstractmethod# 1. 定义策略接口（抽象策略）
class Strategy(ABC):@abstractmethoddef execute(self, a, b):pass

(2) 实现具体策略

# 2. 具体策略A：加法
class AddStrategy(Strategy):def execute(self, a, b):return a + b# 3. 具体策略B：减法
class SubtractStrategy(Strategy):def execute(self, a, b):return a - b# 4. 具体策略C：乘法
class MultiplyStrategy(Strategy):def execute(self, a, b):return a * b

(3) 创建上下文并动态切换策略

# 5. 上下文类
class Context:def __init__(self, strategy: Strategy):self._strategy = strategy  # 初始化时指定策略def set_strategy(self, strategy: Strategy):"""动态更改策略"""self._strategy = strategydef execute_strategy(self, a, b):"""执行策略"""return self._strategy.execute(a, b)

(4) 测试策略模式

# 客户端代码
context = Context(AddStrategy())  # 初始使用加法策略
print("10 + 5 =", context.execute_strategy(10, 5))context.set_strategy(SubtractStrategy())  # 切换为减法策略
print("10 - 5 =", context.execute_strategy(10, 5))context.set_strategy(MultiplyStrategy())  # 切换为乘法策略
print("10 * 5 =", context.execute_strategy(10, 5))

(5) 输出结果

10 + 5 = 15
10 - 5 = 5
10 * 5 = 50

---

五、策略模式的优缺点

✅ 优点

1. 符合开闭原则（Open-Closed Principle）：可以新增新的策略，而不影响已有代码。
2. 避免冗长的 if-else 语句：如果不使用策略模式，可能会有大量 if-else 逻辑判断。
3. 支持动态切换：可以在运行时自由更换不同的算法，而不修改原有代码。

❌ 缺点

1. 增加了代码复杂度：每个策略都需要定义一个类，当策略过多时，会导致类爆炸。
2. 客户端需要了解不同策略：调用方需要知道有哪些可用策略，才能正确选择。

---

六、策略模式的应用场景

✅ (1) 算法的可替换性

• 计算税收（不同国家税率）
• 支付方式（微信支付、支付宝、银行卡）

✅ (2) 处理不同格式的文件

• 解析 JSON、XML、CSV 文件时，使用不同的解析策略。

✅ (3) AI/机器学习中的优化策略

• 训练模型时，可以使用不同的优化算法（SGD、Adam、RMSprop）。

---

七、策略模式 vs 其他模式

设计模式	作用	适用场景
策略模式	允许在运行时更换不同算法。	当有多种算法可选，且希望避免 if-else 逻辑。
状态模式	允许对象在不同状态下表现出不同行为。	对象的行为依赖于状态变化，例如订单状态。
工厂模式	负责创建对象，但不指定其具体实现。	需要动态创建不同策略对象时，可结合策略模式使用。

---

八、总结

• 策略模式核心思想： 定义一组算法，让它们可以互相替换，而不会影响客户端代码。
• 适用于： 需要多个可替换算法，并希望避免 if-else 逻辑的场景。
• 优点： 符合开闭原则，可动态切换策略，避免冗长 if-else。
• 缺点： 可能会增加类的数量，使代码更复杂。

为什么不用一个类，而是用策略模式？

你提的这个问题很关键！乍一看，把不同的算法方法写在同一个类里，确实可以实现同样的功能。比如，我们可以直接在 Context 里写多个方法，而不是用多个策略类：

class Calculator:def add(self, a, b):return a + bdef subtract(self, a, b):return a - bdef multiply(self, a, b):return a * b

然后调用：

calc = Calculator()
print(calc.add(10, 5))
print(calc.subtract(10, 5))
print(calc.multiply(10, 5))

这看起来代码更简单，那么为什么我们还要使用策略模式呢？🤔

---

策略模式 vs. 在同一个类中写多个方法

方式	优势	劣势
把所有方法写在一个类里	代码量少、容易理解	不符合开闭原则，修改或添加算法时要改原始代码，不利于扩展
使用策略模式（多个类）	代码更灵活、符合开闭原则，更易扩展	初期代码量较多，需要额外的类

---

五大核心原因：为什么策略模式更优？

(1) 符合 “开闭原则”（OCP）

开闭原则（Open-Closed Principle，OCP）：软件应该对扩展开放，对修改关闭。

假设你的 Calculator 需要增加 除法、取余、指数运算、平方根 等方法，那么：

• 如果所有方法都写在 Calculator 里，你必须不断修改它，破坏 OCP。
• 如果使用策略模式，你只需新增一个策略类，而不需要改动原来的代码。

示例：

• 传统方式：

  class Calculator:def add(self, a, b): return a + bdef subtract(self, a, b): return a - bdef multiply(self, a, b): return a * bdef divide(self, a, b): return a / b  # 这里修改了原始类
  

  问题：

  • 你不得不改动 Calculator，如果这个类被很多地方用到，可能影响其他代码。
  • 代码耦合度变高，修改的风险变大。

• 策略模式：

  class DivideStrategy(Strategy):def execute(self, a, b): return a / b  # 只新增类，不改动原有代码
  

  好处：

  • 旧代码不需要改动，减少出错的风险！
  • 代码更模块化，每个策略独立，更易扩展。

---

(2) 让代码更清晰，避免复杂的 if-else

如果不使用策略模式，你可能会写出大量的 if-else 语句：

class Calculator:def execute(self, strategy, a, b):if strategy == "add":return a + belif strategy == "subtract":return a - belif strategy == "multiply":return a * belse:raise ValueError("Unknown strategy")

问题：

• 随着策略增加，if-else 会变得越来越长，可读性下降。
• 每次增加新策略，都要改 execute 方法，代码耦合度高。

而使用策略模式后，代码变得清晰且易维护：

context = Context(AddStrategy())  # 直接使用策略对象
result = context.execute_strategy(10, 5)  # 运行时切换策略

• 没有 if-else，可读性更强！
• 新增算法时，不需要改 Context，只需添加新的 Strategy 类。

---

(3) 运行时动态切换策略

假设你在运行时需要更换算法：

• 单类方案：你必须写 if-else 逻辑，或者调用不同的方法。
• 策略模式：你可以动态传入不同的策略对象，无需 if-else。

示例：

context = Context(AddStrategy())  # 初始使用加法
context.execute_strategy(10, 5)  # 10 + 5 = 15context.set_strategy(SubtractStrategy())  # 运行时切换成减法
context.execute_strategy(10, 5)  # 10 - 5 = 5

• 运行时随意切换算法，而不需要 if-else。
• 新增算法时不影响原代码，降低耦合度。

---

(4) 代码更容易测试

• 单类方案：如果 Calculator 里包含 10+ 种运算方法，每次测试它，你需要测试整个 Calculator 类，容易受其他方法影响。
• 策略模式：每个策略独立，你可以单独测试每个 Strategy 类，不受其他策略影响。

示例（使用 PyTest 单测）：

def test_add_strategy():strategy = AddStrategy()assert strategy.execute(10, 5) == 15def test_subtract_strategy():strategy = SubtractStrategy()assert strategy.execute(10, 5) == 5

• 单独测试每个策略，而不是整个 Calculator 类。
• 减少依赖关系，让测试更清晰。

---

(5) 代码更符合 SOLID 原则

设计原则	策略模式如何符合
单一职责原则（SRP）	每个 Strategy 只负责一个算法，职责清晰。
开闭原则（OCP）	可以新增策略，而不修改原代码。
依赖倒置原则（DIP）	Context 依赖于 Strategy 接口，而不是具体实现。

---

总结

方案	优势	劣势
单类 + 多方法	代码短、简单	不符合开闭原则，难以扩展，难以测试，耦合度高
策略模式	符合 SOLID 原则、易扩展、易测试	初期代码量较多

什么时候该用策略模式？

✅ 当你有多个可变的算法（如支付方式、排序方法）时，策略模式是最佳选择！
❌ 如果你的方法固定、不会变化，直接写在一个类里更简单。

---

一句话总结

👉 如果你的代码需要多个可替换的算法，并且希望避免 if-else 代码膨胀，策略模式就是最好的选择！ 🎯