缓存

使用pydantic的BaseModel，真香

直接读写（不推荐）

@cat.on_cmd(cmds="test")
async def _():
    cat.cache["test"] = cat.arg

@cat.on_cmd(cmds="show")
async def _():
    arg = cat.cache.get("test", "默认值")
    await cat.send(arg)

缺乏类型提示，而且当需要缓存的参数过多时，代码体验尤其地狱

get_data（推荐）

from pydantic import BaseModel

class Model(BaseModel):
    test:str = "默认值"

@cat.on_cmd(cmds="test")
async def _():
    model = cat.get_data(Model)
    model.test = cat.arg

@cat.on_cmd(cmds="show")
async def _():
    model = cat.get_data(Model)
    await cat.send(model.test)

其保存位置 model <-> cat.cache["Model"]，可以使用print(cat.cache)来验证

使用get_data时，若cat.cache["Model"]不存在，则自动通过Model()初始化并存入cache（保证一定有返回值）

pop_data

从cat.cache中释放指定数据

from pydantic import BaseModel

class Model(BaseModel):
    test:str = "默认值"

@cat.on_cmd(cmds="test")
async def _():
    model = cat.get_data(Model)
    model.test = cat.arg

@cat.on_cmd(cmds="pop")
async def _():
    model = cat.pop_data(Model)
    await cat.send(model.test)

使用pop_data时，若cat.cache["Model"]不存在，则自动通过Model()初始化但不存入cache（保证一定有返回值）

bot重启后数据丢失

咱只是缓存喵

下一步

在这里~ ↘