博客
关于我
node.js 导出模块的两种方式 exports module.exports
阅读量:254 次
发布时间:2019-03-01

本文共 885 字,大约阅读时间需要 2 分钟。

在模块化编程中,模块的导出方式有两种主要方法,分别是exportsmodule.exports。了解这两种方法的区别及其适用场景,对于理解模块导出机制具有重要意义。

exports与module.exports的关系

在初始阶段,exportsmodule.exports实际上是指向同一块内存区域,内容都是一个空对象。具体来说:

exports === module.exports // 输出是 true

这意味着在定义模块时,无论直接使用exports还是module.exports赋值,结果都是一样的。例如:

//1 mymodule.jsexports.f = function() {}exports.pi = 3.1415926//2 mymodule.jsmodule.exports.f = function() {}module.exports.pi = 3.1415926

两种写法的效果完全一致。

exports的特殊情况

需要注意的是,当直接将exports对象赋值时(例如:exports={a:1,b:2}),此时exports就不再指向module.exports,而是指向一个新对象。这种情况下,exportsmodule.exports就不再是同一个对象。

如何正确导出模块

在引入某模块时,应以该模块代码中module.exports指向的内容为准。例如:

// mymodule.jsmodule.exports = {  myPI: 3.14,  add: (a, b) => a + b}

这种方式是最常见且推荐的导出方式。

常见模块的导出方式

在实际开发中,许多模块采用不同的导出方式。例如:

  • cookie模块通常使用module.exports的形式导出。
  • body-parser模块同样采用module.exports的方式。
  • array-flatten模块也遵循这一规则。

结论

在导出模块时,建议只使用一种方式,并且建议直接使用module.exports。这不仅简化了代码,也符合大多数模块的标准导出方式。

转载地址:http://ddca.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>