博客
关于我
自定义类型
阅读量:549 次
发布时间:2019-03-09

本文共 1262 字,大约阅读时间需要 4 分钟。

结构体

结构体是C语言中的内置数据类型,用于将多个数据项(成员)以一定格式组合在一起,便于管理和操作。

结构体的声明

1. 普通结构体

结构体的默认内存对齐规则:第一个成员不需要对齐,后续成员对齐到字节的 vám整数倍。

示例:

struct tag{      member-list;  } variable-list;

2. 匿名结构体

匿名结构体用于增强代码可读性,但不能赋值给变量。

示例:

struct{      int a;      char b;      float c;  } x;

结构体自引用

结构体可以包含自身指针,实现复杂的数据结构。

示例:

struct Node{      int data;      struct Node * next;  } Node;

结构体变量的定义与初始化

1. 普通结构体

结构体变量的定义与初始化方式多样,可以在定义时或初始化时指定具体值。

示例:

struct Point{      int x;      int y;  };  struct Point p1; // 定义结构体变量  struct Point p3 = {2, 3}; // 初始化结构体变量

2. 嵌套结构体

嵌套结构体可以实现更复杂的数据结构,需注意对齐规则。

示例:

{  "Node": {    "data": 10,    "p": {      "x": 4,      "y": 5    },    "next": null  }}

内存对齐

内存对齐是为了满足硬件平台和访问效率的需求。

为什么要内存对齐

由于硬件指令处理的地址空间大小限制,内存对齐可以减少 cpu 访问的次数,提高程序运行效率。

内存对齐的原则

  • 第一个成员不需要对齐。
  • 后续成员必须对齐到最大对齐数的整数倍。
  • 结构体总大小为所有成员最大对齐数的整数倍。
  • 嵌套结构体需遵循各层对齐规则。

  • 位段

    位段允许将一块内存空间划分为多个数据段,常用于操作系统和设备驱动。

    位段的特点

    • 位段成员类型可选为 intunsigned intsigned int
    • 位段成员名后需跟一个冒号和对齐数。

    枚举

    枚举用于定义一组常量,默认从 0 开始依次递增。

    枚举的优点

  • 提高代码可读性和可维护性。
  • 方便验证名称匹配,减少命名冲突。
  • 提供类型检查和错误防范。

  • 联合

    联合允许多个数据项共享同一块内存空间,实例:

    struct Un{      int i;      char c;  };  struct Un un;  un.c = 1;  printf("%d\n", un.i);

    字节对齐测试

    #include 
    int main(){ union Un{ int i; char c; } un; un.i = 1; printf("%d\n", un.c); return 0; }

    转载地址:http://dezpz.baihongyu.com/

    你可能感兴趣的文章
    NIH发布包含10600张CT图像数据库 为AI算法测试铺路
    查看>>
    Nim游戏
    查看>>
    NIO ByteBuffer实现原理
    查看>>
    Nio ByteBuffer组件读写指针切换原理与常用方法
    查看>>
    NIO Selector实现原理
    查看>>
    nio 中channel和buffer的基本使用
    查看>>
    NIO基于UDP协议的网络编程
    查看>>
    NISP一级,NISP二级报考说明,零基础入门到精通,收藏这篇就够了
    查看>>
    Nitrux 3.8 发布!性能全面提升,带来非凡体验
    查看>>
    NI笔试——大数加法
    查看>>
    NLog 自定义字段 写入 oracle
    查看>>
    NLog类库使用探索——详解配置
    查看>>
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP:使用 SciKit Learn 的文本矢量化方法
    查看>>
    Nmap扫描教程之Nmap基础知识
    查看>>