C++设计的禁忌与救赎：特殊类设计
业务处理时常常会出现一些特定的要求，需要设计出特殊的功能，下面介绍几个常见的特殊类设计 请设计一个类，不能被拷贝涉及拷贝的只有拷贝构造和赋值重载，把这些禁用了就行了 123456789class CopyBan{ // ...private: CopyBan(const CopyBan&); CopyBan& operator=(const CopyBan&); //...}; 对于 C++98，直接设置为私有即可，这样类外就无法访问了，只声明不定义：不定义是因为该函数根本不会调用，定义了其实也没有什么意义，不写反而还简单，而且如果定义了就不会防止成员函数内部拷贝了 12345678class CopyBan{ // ... CopyBan(const CopyBan&) = delete; CopyBan& operator=(const CopyBan&) = delete; //...}; 对于 C++11，直接在默认成员函数后跟上 =...
C++内存列传之RAII宇宙：智能指针
智能指针是 C++ 中用于自动管理动态内存的类模板，它通过 RAII（资源获取即初始化）技术避免手动 new / delete 操作，从而显著减少内存泄漏和悬空指针的风险 为什么需要智能指针？123456789101112131415161718192021222324252627282930int div(){ int a, b; cin >> a >> b; if (b == 0) throw invalid_argument("除0错误"); return a / b;}void Func(){ int* p1 = new int; int* p2 = new int; cout << div() << endl; delete p1; delete p2;}int main(){ try { Func(); } catch (exception& e) { cout << e.what()...
C++日新月异的未来代码：C++11（下）
接上篇，继续学习C++11的常用新特性 lambda表达式引入lambda 表达式是一种匿名函数对象，允许在代码中直接定义和使用小型的函数，无需额外定义函数或函数对象类，这么讲，感觉还是太理论了，下面将通过特定场景介绍其使用： 1234567891011121314151617181920212223242526272829303132333435struct Goods{ string _name; // 名字 double _price; // 价格 int _evaluate; // 评价 Goods(const char* str, double price, int evaluate) :_name(str) , _price(price) , _evaluate(evaluate) {}};struct ComparePriceLess{ bool operator()(const Goods& gl, const Goods& gr) { return gl._price...
C++日新月异的未来代码：C++11（上）
C++11 能更好地用于系统开发和库开发、语法更加泛华和简单化、更加稳定和安全，不仅功能更强大，而且能提升程序员的开发效率，公司实际项目开发中也用得比较多，所以我们要作为一个重点去学习 统一的列表初始化普通{ }初始化123456789101112struct Point{ int _x; int _y;};int main(){ int array1[] = { 1, 2, 3, 4, 5 }; int array2[5] = { 0 }; Point p = { 1, 2 }; return 0;} 在 C++98 中，标准允许使用花括号{}对数组或者结构体元素进行统一的列表初始值设定 12345678910111213141516struct Point{ int _x; int _y;};int main(){ int x1 = 1; int x2{ 2 }; int array1[]{ 1, 2, 3, 4,...
C++寻位映射的究极密码：哈希扩展
位图和布隆过滤器是基于哈希的一种常见应用，通常用来处理大体量数据，提升查找数据的效率 位图给40亿个不重复的无符号整数，没排过序。给一个无符号整数，如何快速判断一个数是否在这40亿个数中? 放在哈希表中去寻找？不，这并不现实，因为哈希表的存储也是需要空间消耗的，况且是 40 亿个数据，如此庞大的数据计算机一般是很难存储 因此就诞生了位图的概念，位图简单来说就是把每个数按照哈希函数的计算，存储到每个比特位上。数据是否在给定的整形数据中，结果是在或者不在，刚好是两种状态，那么可以使用一个二进制比特位来代表数据是否存在的信息，如果二进制比特位为 1，代表存在，为 0 代表不存在 位图的结构1234567891011template<size_t N>class bitset{public: bitset() { _a.resize(N / 32 + 1); }private: vector<int> _a;}; 开辟一个 vector 数组 _a，这里我们以 int 作为位图的基本单位，那么就是把每个数据存储到...
C++效率掌握之STL库：unordered_map && unordered_set底层剖析
看了前面的底层封装后，其实封装的过程及方法都大差不差，unordered_map && unordered_set 也是如此，所以本篇就简单提及一些细节，具体最详细的一些部分可以去看前面的文章 传送门：C++效率掌握之STL库：list底层剖析及迭代器万字详解 传送门：C++效率掌握之STL库：map && set底层剖析及迭代器万字详解 unordered_map、unordered_set的基本结构🚩unordered_set： 123456789101112131415161718192021222324252627282930313233template<class K, class V>class unordered_set{ struct SetKeyOfT { const K& operator()(const K& key) { return key; } };public: typedef typename...
C++寻位映射的奇幻密码：哈希
哈希，用于将任意大小的数据映射为固定长度的数值（哈希值），这个过程通过哈希函数实现，其核心目标是高效地存储、查找和验证数据 什么是哈希？ 在学哈希之前，我们对于数据的查找通常是建立于顺序表，树形结构的基础上进行的查找，但是随着数据量越来越庞大，数据的随机性和容量越发严峻 理想的搜索方法： 可以不经过任何比较，一次直接从表中得到要搜索的元素如果构造一种存储结构，通过某种函数( hashFunc )使元素的存储位置与它的关键码之间能够建立一一映射的关系，那么在查找时通过该函数可以很快找到该元素 因此就在此基础上发展出了一种平均时间复杂度几乎为 O(1) 的数据查找方式，哈希，也称为散列 哈希的常见实现方法直接定址法 对于一段相对集中的数据段，就可以使用直接定址法，这里最大的数是 30，最小的数是15，创建一个大小为 15 的数组，将所有值映射到数组上 优点： 简单、均匀缺点： 需要事先知道关键字的分布情况使用场景：...
C++效率掌握之STL库：map && set底层剖析及迭代器万字详解
map、set 的封装可以说是很天才的底层结构了，本篇将对其结构进行详细的解析，虽然会很复杂且难以理解，但是学完成就感满满，而且对底层理解和面试很有帮助 map、set的基本结构 通过查看官方文档，截取部分关键代码，我们可以发现 set 虽然事 k-k 类型，map 是 k-v 类型，但是实际上这两个类共用一个红黑树，准确来说是共用同一个模板类型，set 是 <K，K>，map 是 <K，pair<K，V>>，下面会进行详细解析 size_type node_count：用于记录红黑树节点数量，跟踪树的大小 link_type header：是指向红黑树头节点的指针 Value value_field：存储节点的值 那么下面我们将自己实现简单的 set 和 map 类： map、set模拟实现初步定义12345678910111213template<class K>class set{private: RBTree<K, K> _t;};template<class K, class...
C++色彩博弈的史诗：红黑树
红黑树是一种自平衡二叉查找树，每个节点都带有颜色属性，颜色或为红色或为黑色，可以理解为 AVL 树的进阶版，建议系统学习完 AVL 树再来看本篇博客 传送门：C++漫步结构与平衡的殿堂：AVL树 红黑树的概念 红黑树，是一种二叉搜索树，但在每个结点上增加一个存储位表示结点的颜色，可以是 Red 或 Black。 通过对任何一条从根到叶子的路径上各个结点着色方式的限制，红黑树确保最长路径的节点数量不超过最短路径节点数量的两倍（刚好两倍是可以的），因而是接近平衡的 一个合格的红黑树需要满足以下条件： 每个结点不是红色就是黑色 根节点是黑色的 如果一个节点是红色的，则它的两个孩子结点必须是黑色的，任何路径都没有连续的红色节点，也就是说可以有连续的黑色节点，但不可能一颗红黑树全是黑色节点 ...
C++漫步结构与平衡的殿堂：AVL树
二叉搜索树有其自身的缺陷，假如往树中插入的元素有序或者接近有序，二叉搜索树就会退化成单支树，时间复杂度会退化成 O(N)，因此 map、set 等关联式容器的底层结构是对二叉树进行了平衡处理，即采用平衡树来实现 AVL树的概念 我们已经从多种树型结构走到现在，每一次变化都是为了提高搜索的效率，即时间复杂度 二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下，因此发明了 AVL 树 那么什么是AVL树呢？ 当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过 1 (需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度 一棵 AVL 树或者是空树，应该是具有以下性质的二叉搜索树： 它的左右子树都是 AVL 树 左右子树高度之差(简称平衡因子)的绝对值不超过 1(-1/0/1) 二叉搜索树在理想情况下时间复杂度与二叉平衡搜索树相同，均为 $O(log_2...
