• c++模板进阶


    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档


    前言


    一、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或者typename之类的参数类型名称。
    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。

    下面的代码中在Array类中,我们使用N来定义 _a数组的长度,但是当我们想让存不同类型的Array类中的 _a数组的长度不一样时,我们就需要使用非类型模板参数了。
    在这里插入图片描述
    下面为非类型模板参数。需要注意的是非类型模板参数只能为整型常量。所以非类型模板参数必须为整型,不能为其它类型。例如int、size_t、char、long都可以,但是double,float不可以。
    在这里插入图片描述
    所以在类模板和函数模板内部不能修改非类型模板参数的值。
    在这里插入图片描述
    在这里插入图片描述

    二、array容器

    array是C++11中新提出来的容器类型,与内置数组相比,array是一种更容易使用,更加安全的数组类型,可以用来替代内置数组。作为数组的升级版,继承了数组最基本的特性,也融入了很多容器操作。array和数组一样,是一种固定大小的容器类型,在定义的时候就要声明大小和类型。
    在这里插入图片描述
    可以看到array容器中没有resize和reserve方法,这是因为array和数组一样在创建时就要声明大小,后面不可以进行扩容。
    在这里插入图片描述
    c++中的array容器其实就是想来替代c语言中的静态数组,我们看到array也不会初始化里面的数据。

    在这里插入图片描述

    array与c语言的数组相比,它的优势就是更严格的越界检测。
    在数组中,当越界读数据时不会报错,越界写数据时有时报错,有时不报错,这是因为c语言中对数组的越界检查为抽查。
    在这里插入图片描述
    在这里插入图片描述
    array中越界读数据也会报错,array有更严格的越界检查。
    在这里插入图片描述

    不过array实际使用的不多,因为可以使用vector来代替,并且vector还可以初始化数据,当越界读取时vector也会报错。不同的是array在栈上开辟空间存储,因为数组在栈上开辟空间,而vector是在堆中申请空间。
    在这里插入图片描述

    三、模板的特化

    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会得到一些错误的结果,需要特殊处理,比如:实现了一个专门用来进行小于比较的函数模板。
    可以看到,Less绝对多数情况下都可以正常比较,但是在特殊场景下就得到错误的结果。下面的示例中,p1指向的d1显然小于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指针的值,即比较的是d1和d2对象的地址,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。模板特化中分为函数模板特化与类模板特化。
    在这里插入图片描述

    1、函数模板特化

    函数模板的特化步骤:
    1.必须要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,如果不同编译器可能会报一些奇怪的错误。

    模板特化就是对某些类型特殊化处理,当T类型为Date*类型时,就会走下面的模板特化了。
    在这里插入图片描述
    一般情况下如果函数模板遇到不能处理或者处理有误的类型,为了实现简单通常都是将该函数直接给出。
    在这里插入图片描述

    2、类模板特化

    2.1 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。
    在这里插入图片描述
    在这里插入图片描述

    2.2 偏特化

    偏特化:任何针对模版参数进一步进行条件限制设计的特化版本。
    偏特化有以下两种表现方式:
    (1). 部分特化:将模板参数列表中的一部分参数特化。
    (2). 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。

    部分特化:
    在这里插入图片描述
    在这里插入图片描述

    参数更进一步的限制:

    template<class T1, class T2>
    class Data
    {
    public:
    	Data()
    	{
    		cout << "Data" << endl;
    	}
    
    private:
    	T1 _d1;
    	T2 _d2;
    };
    
    //将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" << endl;
    	}
    private:
    	T1* _d1;
    	T2* _d2;
    };
    
    //将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 = T1(), const T2& d2 = T2())
    		:_d1(d1)
    		,_d2(d2)
    	{
    		cout << "Data" << endl;
    	}
    private:
    	const T1& _d1;
    	const T2& _d2;
    };
    
    //将一个参数偏特化为指针类型,一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 = T1())
    		:_d1(d1)
    	{
    		cout << "Data" << endl;
    	}
    private:
    	const T1& _d1;
    	T2* _d2;
    };
    
    int main()
    {
    	Data<int, int> d1;  //调用基础的模板
    	Data<int, char> d2;  //调用基础的模板
    	Data<int*, int*> d3;  //调用特化的指针版本
    	Data<double*, double*> d4;  //调用特化的指针版本
    	Data<int&, int&> d5(1,2);  //调用特化的引用版本
    	Data<int&, int*> d6(1);   //调用特化版本的模板
    
    	return 0;
    }
    
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71

    偏特化和全特化也是一个模板,但是全特化和偏特化不是一个全新的模板,都是在原模版的基础上的。单独的全特化和偏特化模板是错误的。即如果没有原模版只有全特化和偏特化模板就会出错。
    在这里插入图片描述

    四、模板分离编译

    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

    我们在Func.h文件中声明了Add函数和func函数,然后在Func.cpp文件中定义了这两个函数。
    在这里插入图片描述
    在这里插入图片描述
    我们看到普通函数声明和定义分开可以调用,而模板函数不可以,会报链接错误。
    在这里插入图片描述
    在这里插入图片描述

    我们知道一个程序的编译经过下面的步骤。
    在这里插入图片描述
    我们知道.h文件不会进行编译,而是在引用的地方直接展开,下面就是Func.h文件在test.cpp文件中展开。当test.cpp编译到了Add函数和func函数声明的地方时,此时还没有这个两个函数的地址。但是因为已经声明了这两个函数,所以编译器不会报错。
    在这里插入图片描述

    在Func.cpp文件中Add函数和func函数的定义,当Func.cpp文件编译完后,func函数会被编译成一堆指令,所以在Func.o中有func函数的地址,但是因为Add函数模板没有被实例化,因为没办法确定T的大小,所以在建立栈帧时不知道给T开多大空间,所以在Func.o文件中Add函数模板是没有地址的。下面的红框中就是生成的func函数地址。
    在这里插入图片描述
    那么在test.o文件中是如何找到func函数的地址的呢?
    在.o文件里面会有一个符号表,符号表里面有函数名和地址的映射。符号表里面的函数名是经过函数名修饰规则修饰过的函数名。然后链接时test.o文件就会根据函数名去Func.o文件的符号表中找test.o的符号表中缺少地址的函数的地址,然后将test.o文件中符号表里的函数地址改为func.o的符号表里面的函数地址。但是发现func.o的符号表里面有func函数的地址,但是没有Add函数的地址。因为Add在编译时没有实例化,所以没有Add函数的地址。所以就产生了链接错误。
    在这里插入图片描述
    在这里插入图片描述
    我们可以使用显示实例化来解决上面找不到Add函数地址的问题。即在Func.cpp中通过Add函数模板实例化一个Add函数,这样就知道了T的大小,在编译Func.cpp文件时就会为这个实例化的的Add函数分配地址了,然后在链接时就不会产生错误了。
    在这里插入图片描述
    在这里插入图片描述
    但是显示实例化这种解决方法遇到一个类型就要写一个显示实例化,有很大的局限性,所以实际中一般不采用。
    在这里插入图片描述
    在一个Func.h文件中完成Add的声明和定义是可以进行模板分离编译的,这是因为在test.cpp文件中引用Func.h头文件,会在这个地方将Func.h文件的内容展开,这样就相当于在test.cpp文件中包含了所有的代码,当test.cpp编译为test.o文件时,在test.o文件的符号表里面会有实例化的Add函数的地址,所以就不会报链接错误了。
    在这里插入图片描述
    在这里插入图片描述
    我们看stl库的源码中就是这样写的,源码中小的函数就在类里面定义,因为会被当作内联函数,而大的函数就在类里面声明,类外面定义。源码中的类声明和定义都在.h文件中。那么这种办法为什么不会出错呢?这是因为Add方法的声明和定义都在test文件中,当实例化后Add函数就有了自己的地址,所以不需要在链接时再去别的.o文件中找,因为此时Add函数在test中已经有了自己的地址。
    在这里插入图片描述
    在boost库中.hpp为后缀的文件就是说明这个头文件中的模板声明和定义写在一起了,都在这个头文件中。暗示你这个文件中就是模板。
    在这里插入图片描述

    五、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)因此而产生。
    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。

  • 相关阅读:
    【译】VisualStudio.Extensibility 17.10:用 Diagnostics Explorer 调试您的扩展
    C++Qt开发——类图结构
    时序预测 | MATLAB实现XGBoost极限梯度提升树时间序列预测
    使用VirtualBox和Vagrant安装centos7
    [Windows 10]Qt5.14.2下安卓开发环境配置
    猿创征文|Linux centos7下利用docker快速部署SQLserver测试学习环境
    多人联机之研究
    OpenHarmony NXP S32K148移植日记
    记一次 .NET某收银软件 非托管泄露分析
    深入解读:从DDIM到Improved Denoising Diffusion Probabilistic Models
  • 原文地址:https://blog.csdn.net/dong132697/article/details/133926778