這系列應該是最後一篇了。在講完了基本的使用、還有一些其他的函式,最後這邊來講一下要怎麼針對自己定義的型別、或是官方沒支援的型別做處理、讓他可以用在 std::format 上。
不過 Heresy 這邊也必須講一下,Heresy 自己沒有找到針對這部分比較完整的說明、範例,所以其實這裡的東西大多是網路上找了很多範例、自己拼湊出來的,其實也不太能保證都正確,只能說在 MSVC 上可以正常運作。
如果哪裡有寫錯的話,也希望可以告知一下。
這系列應該是最後一篇了。在講完了基本的使用、還有一些其他的函式,最後這邊來講一下要怎麼針對自己定義的型別、或是官方沒支援的型別做處理、讓他可以用在 std::format 上。
不過 Heresy 這邊也必須講一下,Heresy 自己沒有找到針對這部分比較完整的說明、範例,所以其實這裡的東西大多是網路上找了很多範例、自己拼湊出來的,其實也不太能保證都正確,只能說在 MSVC 上可以正常運作。
如果哪裡有寫錯的話,也希望可以告知一下。
延續前面的 part 1,這邊繼續來講一些 C++20 std::format 的其他東西吧~
這邊,主要是來講一下他提供的一些其他函式。
由於 C++ 本身的 stream 要拿來做文字的格式化,使用上很麻煩,所以 Heresy 這邊之前都是用 Boost C++ Libraries 的 boost format 來做。
本來是期望 boost format 可以整到 std 裡面變成標準,不過很遺憾的是,C++ 20 雖然加入了 format 函式庫,但是卻不是基於 Boost format、而是基於 {fmt} 這個函式庫(官網、GitHub)的版本。
考慮到個人是希望盡量使用標準函式庫,這邊就來稍微整理一下 C++20 的 format 吧~
首先,這部分的文件可以參考:https://en.cppreference.com/w/cpp/utility/format
std::span 是 C++20 加入的一個新的類別(文件),他的基本概念是「對連續資料做處理的一個觀察者(view)」;由於只是「觀察者」,所以他並不具有所有權,某種意義上,可以看成類似一組連續資料的局部參考。
在最簡單的用法上,個人覺得它可以用來處理傳統陣列的傳遞;某種意義上算是做個封包、包裝成 STL 的容器的形式。下面是一個簡單的範例:
#include <iostream> #include <span> #include <algorithm> int main() { int aData[]{ 5, 4, 3, 2, 1 }; std::span sData(aData); std::cout << sData.size() << "\n"; // 5 std::ranges::sort(sData); }
在寫多執行序的程式的時候,如果有需要把文字輸出到 console 的時候,應該都有機會碰到不同執行序的文字交錯出現、導致難以閱讀的問題。
像下面就是一個簡單的例子:
#include <iostream> #include <thread> #include <vector> void test(const int idx) { for (int i = 0; i < 3; ++i) std::cout << "Thread " << idx << " step " << i << std::endl; } int main() { std::vector<std::thread> poolThread; for (int i = 0; i < 3; ++i) poolThread.emplace_back([i]() { test(i); }); for (auto& rThread : poolThread) rThread.join(); }
這篇算是紀錄一下,Heresy 這邊在想把開發環境從 Visual Studio 2019 升級到 Visual Studio 2022 時,踩到的新版編譯器在 lambda expression 這邊的地雷,算是稍微紀錄一下了。
Heresy 這邊踩到的地雷,是 lambda expression + OpenMP 的相容性問題;下面就是一個會出問題的簡單程式碼:
#include <iostream> int main() { auto f = []() { #pragma omp parallel for //Error for (int i = 0; i < 10; ++i) { } }; return 0; }
這篇是延續之前的《C++11 的一些數值函式庫》,繼續來整理 C++17、C++20 在數值函式庫上的變化。
首先,在 <numeric> 這個 header 裡面(參考),又加入了很多 template 函式可以使用,其中也包含了 gcd(對大公因數)、lcm(最小公倍數)、inner_product(內積)等等;雖然不能說沒用,但是老實說,有需要的人大概都已經有自己的方案了吧…
另外,這次也還有支援平行化的 reduce(),以及在平行化演算法裡面很常見的 inclusive_scan()、exclusive_scan() 可以使用。