BaseCalculator (core/base_calculator.py)

符号计算器的抽象基类，为微分、积分、极限和行列式计算器提供统一的框架和基础功能。它实现了规则驱动的逐步计算。

注意: 该类只能继承使用，不能直接使用。

注意: 出现的所有图中，箭头的方向无实际意义，上面的文字所指可能是前对后，也可能是后对前

一. 类概述

BaseCalculator 是一个抽象基类，定义了符号表达式逐步计算器的核心架构。它采用以下关键技术：

规则注册系统：通过 RuleRegistry 管理表达式变换规则
步骤生成器：记录和展示计算过程的每一步
缓存机制：优化重复计算，提高性能
广度优先搜索(BFS)：使用队列存储每步待处理的表达式，确保计算的逻辑顺序

它与其它类的关系如下：

二. 设计原则

可扩展性：通过继承和重写方法支持不同类型的计算器
模块化：将规则管理、步骤生成、缓存等功能分离为独立组件
性能优化：使用 LRU 缓存和表达式缓存减少重复计算
灵活性：支持多种输出格式（列表、LaTeX）

三. 属性

属性名	类型	描述	访问级别
_rule_registry	RuleRegistry	规则注册器实例，管理与规则和匹配器相关的操作	私有
step_generator	BaseStepGenerator	步骤生成器实例，负责记录和管理计算步骤	公共
processed	set	记录已处理的表达式，防止在 BFS 过程中陷入死循环	公共
cache	dict	缓存表达式到对应操作对象（Derivative/Integral等）的转换结果	公共
operation	Operation	计算操作类型（如 Derivative, Integral），由子类在 init_key_property 中初始化	受保护
rule_dict	RuleDict	规则字典，包含所有可用的表达式变换规则	受保护
matcher_list	MatcherList	匹配器列表，用于确定应用哪些规则及应用顺序	受保护

四. 方法

1. 初始化与状态管理

__init__(self) -> None

初始化计算器实例，设置规则注册器、步骤生成器、缓存等核心组件。

执行流程:

创建 RuleRegistry 和 BaseStepGenerator 实例
初始化 processed 集合和 cache 字典
调用 init_key_property 初始化关键属性
验证属性是否正确初始化
注册所有规则和匹配器

@abstractmethod init_key_property(self) -> None

抽象方法 - 必须在子类中实现。用于初始化计算器的关键属性：

_validate_properties(self) -> None

验证所有必需属性是否已在 init_key_property 中正确初始化。

注意: 如果必需属性未初始化，将抛出 ValueError 异常。

_initialize_rules(self) -> None

通过 RuleRegistry 注册所有规则和匹配器函数。

reset_process(self) -> None

重置计算器状态(清除已处理表达式集合并重置步骤生成器)，为新的计算做准备。

2. 核心计算方法

_do_compute(self, expr: str, operation: Operation, **context: Context) -> None

广度优先搜索(BFS)实现逐步的符号计算。

参数:

expr: 要计算的表达式字符串
operation: 要执行的操作类型
**context: 计算上下文（如变量、极限方向等）

算法流程:

重置计算器状态
将输入字符串转换为 SymPy 表达式
尝试简化表达式
使用 BFS 遍历表达式树
对每个子表达式应用规则
记录每一步的计算结果
最终化简和后处理

_compute(self, expr: str, **context: Context) -> None

逐步计算表达式的包装方法，会使用实例的 operation 属性。LimitCalculator 将大幅度重构它。

3. 规则应用方法

_apply_rule(self, expr: Expr, operation: Operation, **context: Context) -> Tuple[Expr, str]

应用最适合的规则来变换表达式，并返回结果和解释说明。

返回值: 包含变换后的表达式和解释说明的元组

执行流程:

获取适用于当前表达式的规则列表
检查规则是否可以应用
按优先级尝试应用规则
如果没有规则匹配，回退到 SymPy 的内置计算方法

_check_rule_is_can_apply(self, _rule: RuleFunction) -> bool

检查特定规则是否可以应用。默认实现总是返回 True，子类可以重写此方法以根据特定条件过滤规则。

4. 缓存与性能优化方法

_get_cached_result(self, expr: Expr, operation: Operation, **context: Context) -> Operation

获取表达式对应的操作对象（Derivative/Integral等），使用缓存避免重复计算。

@lru_cache(maxsize=128) _cached_simplify(self, expr: Expr) -> Expr

获得表达式的化简结果，使用 LRU 缓存机制优化性能。

5. 上下文处理方法

_context_split(self, **context: Context) -> Symbol

从上下文中分离出构建操作对象所需的参数。默认实现仅适合微分、积分计算器，极限和行列式计算器需要重写此方法。

_get_context_dict(self, **context: Context) -> RuleContext

将传入的上下文参数转换为规则上下文字典，供规则函数使用。

6. 表达式处理方法

_perform_operation(self, expr: Expr, operation: Operation, **context: Context) -> Operation

将表达式转换成对应的操作对象（Derivative/Integral等）。仅被 _get_cached_result() 调用。

_update_expression(self, current_expr: Expr, operation: Operation, expr_to_operation: Dict[Expr, Operation], **context: Context) -> Tuple[Expr, str, Dict[Expr, Operation]]

在计算过程中更新表达式。应用规则到当前表达式，然后使用 subs 方法更新 expr_to_operation 字典中所有相关条目。

7. 后处理方法

@staticmethod _step_expr_postprocess(step_expr: Expr) -> Expr

在将步骤表达式添加到步骤生成器之前对其进行后处理。默认情况下直接返回输入表达式，子类可以根据需要重写此方法。

示例: 在积分计算器中用于添加积分常数。

_final_postprocess(self, final_expr: Expr) -> None

对最终计算结果进行后处理。通过假设所有自由符号都是正实数来进行域感知简化。

示例: 这有助于化简像 ln(1/x) 到 -ln(x) 这样的表达式。

注意: Sympy 的 simplify() 采用保守策略，如果不假设 x 为正实数，它不会化简形如 ln(1/x) 的表达式。

8. 输出方法

@abstractmethod compute_list(self, expr: str, **context: Context) -> Tuple[List[Expr], List[str]]

计算表达式的逐步求解过程并以元组形式返回结果。

抽象方法 - 必须在子类中设定计算所需的上下文。

返回值: 包含 SymPy 表达式列表和步骤说明字符串列表的元组

适用场景: 需要程序化访问计算结果的场景

@abstractmethod compute_latex(self, expr: str, **context: Context) -> str

计算表达式的逐步求解过程并以 LaTeX 字符串形式返回结果。

抽象方法 - 必须在子类中设定计算所需的上下文。

适用场景: 在 Jupyter Notebook 或网页中渲染数学表达式

五. 子类化指南

创建 BaseCalculator 的子类需要实现以下关键步骤：

在子类的 init_key_property 方法中务必初始化所有必需属性
在子类的 compute_list 和 compute_latex 方法中务必设定计算的上下文
合理设计规则和匹配器，确保计算过程的正确性和效率
考虑重写一些方法以实现特定领域所需的操作

注意: 可参照已实现的 DiffCalculator, IntegralCalculator, LimitCalculator, DetCalculator 类。