C++起始之路——模板进阶

C++起始之路——模板进阶
 💁‍♂️个人主页:进击的荆棘

👇作者其它专栏:

《数据结构与算法》《算法》《C++起始之路》

目录

1.非类型模板参数

2.模板的特化

3.模板分离编译

4.模板总结


1.非类型模板参数

模板参数分类类型形参与非类型形参。

类型形参即:出现在模板参数列表中,跟在class或typename之类的后面的参数类型名称。

非类型形参,就是用一个常量作为类(函数)模板的一个参数,在类(函数)模板中可将该参数当成常量来使用。

namespace Achieve{ //定义一个模板类型的静态数组 tempalte<class T,size_t N=10> class array{ public: T& operator[](size_t index){return _array[index];} const T& operator[](size_t index) const { return _array[index]; } size_t size() const{ return _size; } bool empty() const{ return _size==0; } private: T _array[N]; size_t _size; }; }

注意:

        1.浮点数、类对象以及字符串是不允许作为非类型模板参数的。(只有整形可以,像int、long、无符号整形、bool等)。(C++20支持double)

        2.非类型的模板参数必须在编译其就能确认结果。

2.模板的特化

2.1概念

通常情况下,使用模板可以实现一些与类型无关的代码,但对于一些特殊类型的可能回得到一些错误的结果,需要特殊处理,如:实现了一个专门用来进行小于比较的函数模板。

//函数模板——参数匹配 template<class T> bool Less(T left,T right){ return left<right; } int main(){ cout<<Less(1,2)<<endl;//可以比较,结果正确 Date d1(2022,4,12); Date d2(2003,6,20); cout<<Less(d1,d2)<<endl;//可以比较,结果正确 Date* p1=&d1; Date* p2=&d2; cout<<Less(p1,p2)<<endl;//可以比较,结果错误 return 0; }

可以看到,Less绝对多数情况下都可以正常比较,但是在特殊场景下得到错误的结果。上述示例中,p1指向的d1显然大于p2指向的d2对象,但是Less内部并没有比较p1和p2指向的对象内容,而比较的是p1和p2指针的地址,这就无法达到预期而错误。

此时,就需要对模板进行特化即:在原模板类的基础上,针对特殊类型所进行特殊化的实现方式。模板特殊化中分为函数模板特化类模板特化

2.2函数模板特化

函数模板的特化步骤:

        1.必须先有一个基础的函数模板

        2.关键字template后面接一对空的尖括号<>

        3.函数名后跟一对尖括号,尖括号中指定需要特化的类型

        4.函数形参表:必须要和模板函数的基础参数类型完全相同,如果编译器不同可能会报一些奇怪的错误。

//函数模板———参数匹配 template<class T> bool Less(T left,T right){ return left<right; } template<> bool Less<Date*>(Date* left,Date* right){ return *left<*right; } int main(){ cout<<Less(1,2)<<endl; Date d1(2022,4,12); Date d2(2003,6,20); cout<<Less(d1,d2)<<endl; Date* p1=&d1; Date* p2=&d2; cout<<Less(p1,p2)<<endl;//调用特化之后的版本,而不走模板生成了 return 0; }

注意:一般情况下若函数模板遇到不能处理或者有误的类型,为了实现简单通常都是将该函数直接给出。

bool Less(Date* left,Date* right){ return *left<*right; } 

该种实现简单明了,代码的可读性高,容易书写,因为对于一些参数类型复杂的函数模板,特化是特别给出,因此函数模板不建议特化。

2.3类模板特化

2.3.1全特化

全特化即是将模板参数列表中所有的参数都确定化。

template<class T1,class T2> class Data{ public: Data(){ cout<<"Data<T1,T2>"<<endl; } private: T1 _d1; T2 _d2; }; template<> class Data<int,double>{ public: Data(){ cout<<"Data<int,double>"<<endl; } private: int _d1; double _d2; }; void Test(){ Data<int,int> d1; Data<int,double> d2; }

2.3.2偏特化

偏特化:任何针对模板参数进一步条件限制设计的特化版本。比如对于以下模板类:

template<class T1,class T2> class Data{ public: Data(){ cout<<"Data<T1,T2>"<<endl; } private: T1 _d1; T2 _d2; };

偏特化有以下两种表现方式:

●部分特化

        将模板参数类表中的一部分参数特化。

//将第二个参数特化为int template<class T1> class Data<T1,int>{ public: Data(){ cout<<"Data<T1,int>"<<endl; } private: T1 _d1; int _d2; };

●参数更进一步的限制

        偏特化并不仅仅是指特化部分参数,而是针对模板参数更进一步的条件限制所设计出来的一个特化版本。

//两个参数偏特化为指针类型 template<class T1,class T2> class Data<T1*,T2*>{ public: Data(){ cout<<"Data<T1*,T2*>"<<endl; } private: T1 _d1; T2 _d2; }; //两个参数偏特化为引用类型 template<class T1,class T2> class Data<T1&,T2&>{ public: Data(const T1& d1,const T2& d2) :_d1(d1) ,_d2(d2) { cout<<"Data<T1&,T2&>"<<endl; } private: const T1& _d1; const T2& _d2; }; void test2(){ Data<double,int> d1;//调用特化的int版本 Data<int,double> d2;/调用基础的模板 Data<int*,int*> d3;//调用特化的指针版本 Data<int&,int&> d4(1,2)//调用特化的指针版本 }

2.3.3类模板特化应用示例

有如下专门用来按照小于比较的类模板Less:

template<class T> struct Less{ bool Less(const T& x,const T& y) const{ return x<y; } }; int main(){ Date d1(2022,10,5); Date d2(2024,11,3); Date d3(2021,1,4); vector<Date> v1; v1.push_back(d1); v1.push_back(d2); v1.push_back(d3); //可以直接排序,结果是日期升序 sort(v1.begin(),v1.end(),Less<Date()); vector<Date*> v2; v2.push_back(&d1); v2.push_back(&d2); v2.push_back(&d3); //可以直接排序,结果错误日期还是不升序,而v2放的地址是升序 //此处需要在排序过程中,让sort比较v2中存放地址指向的日期对象 //但是走Less模板,sort在排序时实际比较的是v2中指针的地址,因此无法达到预期 sort(v2.begin(),v2.end(),Less<Date*>()); return 0; }

通过观察上述程序的结果发现,对于日期对象可以直接排序,并且结果是正确的。但是若待排序元素是指针,结果就不一定正确。因为sort最终按照Less模板中方式比较,所以只会比较指针,而不是比较指针指向空间中的内容,此时可以使用类版本特化来处理上述问题:

//对Less类模板按照指针方式特化 template<> struct Less<Date*>(Date* x,Date* y) const{ bool operator()(Date* x,Date* y) const{ return *x<*y; } };

特化之后,在运行上述代码,就可以得到正确的结果。

3.模板分离编译

3.1什么是分离编译

一个程序(项目)由若干个源文件共同实现,而每个源文件单独编译生成目标文件,最后将所有目标文件链接起来形成单一的可执行文件的过程称为分离编译模式。

3.2模板的分离编译

假如有以下场景,模板的声明与定义分离开,在头文件中进行声明,源文件中完成定义:

//a.h template<class T> T Add(const T& left,const T& right); //a.cpp template<class T> T Add(const T& left,const T& right){ return left+right; } //main.cpp #include "a.h" int main(){ Add(1,2); Add(1.0,2.0); return 0; }

分析:

3.3解决方法

1.将声明和定义放到一个文件"xxx.hpp"里面或"xxx.h"。(推荐)

2.模板定义的位置显示实例化。(不推荐)

分离编译扩展阅读

4.模板总结

【优点】

1.模板复用了代码,节省资源,更快的迭代开发,C++的标准模板库(STL)因此产生

2.增强了代码的灵活性

【缺陷】

1.模板会导致代码膨胀问题,也会导致编译时间变长

2.出现模板编译错误时,错误信息非常凌乱,不易定位错误

Read more

OpenClaw终于有了图形界面,一键安装使用你的24小时AI 研究助手!

OpenClaw终于有了图形界面,一键安装使用你的24小时AI 研究助手!

告别命令行!OpenClaw 图形界面版来了,5分钟搭建你的AI助手 用过 OpenClaw 的都知道,这是个超强的 AI 智能体编排工具。 但有个问题:全是命令行操作。 配置文件、终端命令、环境变量…对新手来说,门槛有点高。 现在,这个问题解决了。 ClawX 来了——OpenClaw 的图形界面版本。 一键安装,点点鼠标就能用。不用敲命令,不用改配置文件。 我花了5分钟装好,现在已经用了一周。说实话,回不去了。 什么是 ClawX? ClawX 是 OpenClaw 的桌面版。 OpenClaw 是什么?一个 AI 智能体编排工具,可以: * 连接多个 AI 模型(Claude、GPT、Gemini) * 自动化工作流

By Ne0inhk
AI工具泛滥时代,为什么“能力“越来越不值钱?

AI工具泛滥时代,为什么“能力“越来越不值钱?

文章目录 * 一、一个荒诞的现象:工具民主化与机会不平等 * 二、三个被误读的AI创业神话 * 三、AI创作者的真正壁垒:从"工具使用者"到"商业闭环构建者" * 四、给新手的实战建议:从0到1的行动清单 * 五、关于《脉向AI》栏目 * 六、适合谁看? 一、一个荒诞的现象:工具民主化与机会不平等 2025被称为"AI应用元年",但一个诡异的分化正在发生。 一方面,AI工具从未如此普及。ChatGPT、Midjourney、Claude、Sora、可灵、即梦……每个月都有新的"生产力神器"登上热搜。知识付费市场上,“AI副业课”" prompt工程&

By Ne0inhk
【保姆级教程】小白也能搞定!手把手教你部署AI小说生成器

【保姆级教程】小白也能搞定!手把手教你部署AI小说生成器

目录 一、 磨刀不误砍柴工:环境准备 二、 第一次安装:给代码安个家 第一步:把项目“搬”回家 第二步:造一个专属“房间” 第三步:安装依赖 第四步:点火启动 三、 关机重启后:如何再次开启? 四、 关键一步:配置“大脑”(API接口) 五、开始你的创作 六、写在最后:为什么推荐用蓝耘做“大脑”? 在这个AI辅助创作爆发的时代,拥有一款属于自己的本地AI写作工具,无疑是许多文字工作者的梦想。最近拿到一份AI小说生成器的部署文档,虽然功能强大,但对于非技术出身的朋友来说,那些代码和命令行多少有些“劝退”。 别担心,今天我们就把这份“天书”翻译成“人话”,手把手带你从零开始,搭建属于你的AI创作助手。无论你是第一次安装,还是关机后不知道怎么重启,这篇教程都能帮你搞定。

By Ne0inhk
Flutter 组件 genkit 的适配 鸿蒙Harmony 深度进阶 - 驾驭模型幻觉审计、实现鸿蒙端多维 RAG 向量对齐与端云协同 AI 指挥中心方案

Flutter 组件 genkit 的适配 鸿蒙Harmony 深度进阶 - 驾驭模型幻觉审计、实现鸿蒙端多维 RAG 向量对齐与端云协同 AI 指挥中心方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 genkit 的适配 鸿蒙Harmony 深度进阶 - 驾驭模型幻觉审计、实现鸿蒙端多维 RAG 向量对齐与端云协同 AI 指挥中心方案 前言 在前文中,我们利用 genkit 实现了基础的 AI 模型流式调用(Streaming)与 Prompt 工程。但在真正的“专业级医疗诊断辅助”、“金融量化分析报告生成”或“大型智能客服矩阵”场景中。简单的模型调用仅仅是起点。面对大模型不可避免的“幻觉(Hallucinations)”问题。面对如何在鸿蒙(OpenHarmony)端实现本地向量库(Vector Store)与云端知识库的实时同步。面对如何在不同算力的设备(从手环到大屏)上分配不同的 AI

By Ne0inhk