东东东尼君

在工业软件、设备控制系统、网络诊断工具开发中，经常需要获取当前计算机的网络状态，例如：

• 当前有哪些网卡？
• 网卡是否连接？
• IP地址是多少？
• MAC地址是多少？
• 网络连接速度是多少？
• DNS、网关、DHCP信息是什么？

.NET提供了一个非常方便的命名空间System.Net.NetworkInformation，其中核心类：

本文将系统介绍如何使用这些API构建一个网络信息采集工具。

在软件开发过程中，代码并不是写完提交之后就结束了。一个项目真正的生命周期，往往伴随着持续的修改、扩展和维护。需求会不断变化，新的功能会不断加入，原本简单的模块可能逐渐变得复杂。如果代码经过良好的设计和整理，随着时间推移，系统会慢慢演变成难以理解、难以修改，甚至无人敢触碰“遗留代码”。

正如软件工程领域常说的一句话：

代码的第一读者是人，第二读者才是机器。

计算机只关心代码是否能够正确运行，而开发人员需要面对代码背后的意图、结构以及未来变化的可能性。一段能够运行的代码，并不一定是一段优秀的代码。

由Robert C. Martin(人称Uncle Bob)编写的《代码整洁之道》正是围绕这一问题展开讨论。本书从变量命名、函数设计、类的职责划分，到错误处理、测试、架构设计等多个方面，系统总结了如何编写更加清晰、可维护的软件代码。

书中提出：

“Clean code always looks like it was written by someone who cares.”

优秀的代码不仅仅是满足需求，更体现了开发者对软件质量的关注。在实际开发中，我们经常会遇到这样的代码：

• 一个几百行甚至上千行的函数
• 一个承担几十种职责的巨大类
• 大量重复逻辑散落在项目各处
• 修改一个小需求，却需要影响多个模块
• 新成员接手项目，需要花费大量时间理解代码

这些问题并不是某一天突然出现的，而是在一次次“先实现功能，以后再优化”的过程中逐渐累积形成的。《代码整洁之道》提供了一套思考方式：

• 如何通过命名让代码表达真实意图
• 如何设计短小、专注的函数
• 如何让类保持单一职责
• 如何降低模块之间的耦合
• 如何通过测试保护代码质量
• 如何让软件具备持续演进的能力

学习整洁代码，并不是为了追求代码形式上的“漂亮”，而是为了降低软件长期维护的成本，让系统能够面对未来的不确定变化。在本文中，我将结合书中的核心思想，并结合实际工程开发中的案例，对《代码整洁之道》进行深入学习和总结，希望能够探索：

什么样的代码才是真正适合长期维护的软件代码？

在 GitHub 闲逛时，我偶然发现了NETworkManager这个开源项目。作为一款网络管理和故障排查工具，它已经积累了超过 8.5k Star，足以说明社区对它的认可。更让我感兴趣的是，这个项目采用 C# + WPF 进行开发，与我当前正在深入学习和实践的技术栈高度契合。因此，我产生了一个想法：通过深入分析 NETworkManager 的源码，探索一个成熟的 WPF 桌面应用是如何进行架构设计、模块划分以及工程实践的。接下来，我将以 NETworkManager 为切入点，逐步拆解它在 WPF UI 设计、MVVM 架构、依赖注入、配置管理、网络通信、异步编程以及工程化实践 等方面的实现，希望能够从优秀的开源项目中学习桌面应用开发的最佳实践。

日志是软件工程中最基础也是最重要的能力之一。无论是Web服务、AI应用、数据处理任务、自动化脚本、后台Worker，都离不开日志。Python标准库提供了logging。它功能强大，但实际工程使用中经常会遇到一些问题：

• 配置复杂
• 格式设置繁琐
• 文件滚动需要额外配置
• 多模块项目初始化麻烦

例如标准logging：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

import logging

logger = logging.getLogger(__name__)

logger.setLevel(logging.INFO)

handler = logging.FileHandler('app.log')

formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')

handler.setFormatter(formatter)

logger.addHandler(handler)

logger.info("Application started")

简单记录一条日志到文件，需要很多代码。这也是为什么可以尝试用Loguru。

论文：You Only Look Once: Unified, Real-Time Object Detection

作者：Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi

论文地址：https://arxiv.org/pdf/1506.02640

Python诞生于1991年，经过30多年发展，已经成为：

• AI领域首选语言
• 数据科学事实标准
• Web开发重要生态
• 自动化脚本核心语言

但Python工程化一直存在一个问题：

代码开发体验优秀，但项目管理体验长期落后。

特别是在依赖管理方面。

在日常开发中CSV导入是一个比较常见的数据处理场景。例如：

• 用户信息导入
• 商品数据同步
• 日志分析
• 财务流水导入

很多项目开始都会写出类似下面的代码：

1
2
3
4
5
6
7
8
9

foreach(var line in FileReadLines(path))
{
  var user = Parse(line);

  if (!Validate(user))
    continue;

    await collection.InsertOneAsync(user);
}

数据只有几千条时，这段代码运行地非常流畅。然而，当数据增长到几十万甚至几百万条之后，问题便开始暴露出来：

• CPU利用率很低
• MongoDB写入速度跟不上
• IO长时间阻塞
• GC次数明显增加
• 导入时间从几秒增长到数十分钟

在阅读一些大型 C++ 项目源码时，经常会看到类似下面这样的代码：

1
2
3
4
5
6
7
8

class MyClass {
public:
  MyClass();
  ~MyClass();
private:
  class Impl;
  std::unique_ptr<Impl> impl_;
};

第一次看到这种写法，很多人都会疑惑：

• 为什么真正的数据成员不放在类里面？
• 为什么要多定义一个Impl类？
• 为什么析构函数要放到.cpp中实现？
• 这样设计有什么好处？

实际上，这就是C++中非常经典的Pimpl(Pointer to Implementation)设计模式。本文将从设计思想、实现方式、优缺点以及使用场景几个方面详细介绍Pimpl。

Hugo基于 Chroma 实现代码高亮，对 Go、Python、C++、Matlab 等主流语言都提供了开箱即用的支持。最近阅读机器视觉算法与应用 第2版 (Carsten Steger)时，需要在博客中展示 HDevelop 代码，却发现 Hugo 默认并不支持这种语言。与其退而求其次使用普通文本展示，不如直接扩展 Hugo 的语法高亮能力。因此本文记录整个实现过程，包括：

• Hugo如何找到对应的Lexer
• Chroma 的语法解析机制
• 如何新增一个HDevelop Lexer
• 最终让Hugo支持HDevelop代码高亮

在软件开发、系统运维和DevOps 等领域，有一个永远存在的问题：大量重复性的工作正在消耗工程师的时间。每天登录服务器、检查日志、修改配置、部署应用、整理数据、生成报告……这些事情单次并不复杂，但重复几十次、几百次之后，就变成了巨大的时间成本。PowerShell（pwsh）就是解决这类问题的工具之一。它不仅是一门脚本语言，更是一套现代化自动化平台。本文将从基础语法开始，一直到脚本工程实践，全面介绍如何使用 pwsh 构建可靠、高效的自动化工具。