当前位置: 首页 > news >正文

C++学习笔记 41 C++17 在一个变量中存储多种类型变量

std::variant 在一个变量中存储多种类型变量

它不是一个真正的特性,它更多是在C++17中新的标准库中给我们的类。它的作用是让我们不用担心处理的确切数据类型。
例如:

  1. 解析一个文件,但不确定这是一个字符串还是一个整数。
  2. 程序运行时接受一个命令行参数,但不确定这个参数是整数还是字符串还是浮点或是布尔
  3. std::variant 允许你列出所有可能的类型,然后你可以决定它是什么类型,如果你想,你可以把它重新赋值成任何类型,这也是你创建可能有多个类型的变量的一种方式。
  4. get_if 是我最喜欢的处理variant的方式,因为它很干净,让我们只得到我们期望的类型的那个值。
  5. 很多关于variant的讨论,说它本质上就像类型安全的联合体union,但是需要强调的是,它们是非常不同的。联合体的大小是最大类型的大小,而variant只是将所有可能的数据类型存储为单独的变量作为单独的成员。
  6. variant是为你创建了一个结构体或类,它只是将多种不同的数据类型存储为那个类或结构体中的成员
  7. 因此,从技术上讲,union仍然是更有效率和更好的。然而variant更加类型安全,不会造成未定义行为,你应该使用它,除非你做的是底层优化,把内存大小保持在一个较低的位置,不管是什么原因,比如CPU处理;或者只是想使用尽可能少的内存。但是如果是在桌面平台上,你可以自由地使用更多的内和更多的处理能力,那么std::variant在技术上更安全。
#include<iostream>
#include<variant>
#include<string>enum class ErrorCode {None = 0, NotFound = 1, NoAccess = 2
};//返回比true false更为详细的自定义情况
std::variant<std::string, ErrorCode> ReadFileAsString(){return {};
};void testVariant() {std::variant<std::string, int> data;data = "Hello World";std::cout << std::get<std::string>(data) << " | " << data.index() << std::endl;data = 2;std::cout << std::get<int>(data) << " | " << data.index() << std::endl;//以错误的类型接受数据:exception: std::bad_variant_access//std::cout << std::get<std::string>(data) << std::endl;//get_if判断类型, 如果类型不对返回NULLauto* value = std::get_if<std::string>(&data);if (auto* value = std::get_if<std::string>(&data)) {std::string& v = *value;}else {}std::cout << "sizeof(int): " << sizeof(int) << std::endl; //4std::cout << "sizeof(std::string): " << sizeof(std::string) << std::endl; //40std::cout << "sizeof(std::variant<std::string, int>): " << sizeof(data) << std::endl; //48
}int main() {testVariant();std::cin.get();
}
http://www.jsqmd.com/news/154901/

相关文章:

  • YOLO目标检测API按Token计费,灵活适配中小型企业需求
  • 麦田软件完整使用指南:从下载到精通
  • YOLO模型训练超参数调优指南:基于GPU实验记录
  • YOLOv9-Dynamic动态卷积解析:GPU计算负载变化趋势
  • 9款AI写论文神器实测:效率飙升200%,彻底告别拖延!
  • YOLOv10引入一致性匹配机制,训练稳定性提升,GPU利用率更高
  • 基于粒子群果蝇混合改进算法在基站选址优化问题中的应用附Matlab代码
  • YOLO模型训练数据增广技巧+GPU加速策略双管齐下
  • YOLO工业检测实战:基于GPU加速的缺陷识别全流程
  • YOLO目标检测模型上线Hugging Face,同步支持GPU部署
  • YOLO目标检测部署难题破解:预装环境+即用型GPU服务器
  • YOLOv10新增姿态估计功能,GPU算力需求全面升级
  • YOLO模型精度不够?尝试FP16混合精度训练+高端GPU
  • 数据分析师的“水晶球”:时间序列分析
  • YOLOv10取消NMS后处理,依赖GPU实现纯端到端推理
  • 解锁戴森吸尘器隐藏性能:开源固件完整操作指南
  • PrivateGPT终极部署指南:三分钟搞定全平台本地AI知识库
  • Solaar主题引擎深度解析:构建灵活外观系统的核心技术
  • VRM4U:Unreal Engine 5中的VRM模型高效导入解决方案
  • 【无人机】无人机空中无人机通信仿真(Matlab代码实现)
  • 基于BES-LSSVM算法的时间序列预测:通过交叉验证抑制过拟合的MATLAB代码实现
  • Hunyuan-GameCraft:基于多模态融合的交互式游戏视频生成技术解析
  • 从零到一,XinServer 帮我走完全栈路
  • YOLOv8-Pose姿态估计算法详解:GPU骨骼点检测实战
  • 人大金仓数据库连接指南:JDBC驱动包8.6.0版完全使用手册
  • YOLOv7-Wide版本发布,拓宽主干网络,GPU显存需求增加
  • STM32fcu,燃料电池控制器,质子交换膜燃料电池系统模型(PEMFC),基于MATLAB/...
  • 如何快速掌握Oboe.js:流式JSON解析完整实战教程
  • YOLOv10-Large发布:大尺寸模型需要A100级别GPU
  • 软件需求分析中不可或缺的六种图形化工具