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 1709 字,大约阅读时间需要 5 分钟。

1.结构体

结构体的声明

1.普通结构体

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

2.匿名结构体

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

结构的自引用

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

结构体变量的定义和初始化

1.普通结构体定义和初始化

struct Point{   	int x;	int y;}p1;//p1为结构体类型的变量struct Point p2; //定义结构体变量p2struct Point p3 = {   2,3};//初始化结构体变量

2.嵌套结构体定义和初始化

struct Node{   	int data;	struct Point p;	struct Node * next;}n1 = {   10,{   4,5},NULL};

结构体内存对齐

1.为什么要内存对齐

如果不内存对齐,因为硬件平台的限制,进而访存次数增加,进而降低效率
2.什么是内存对齐
通过牺牲空间的方法来换取效率的提升叫做内存对齐
3.内存对齐的原则
(1)第一个元素不需要对齐,直接存放
(2)其他成员变量要对齐(指的是起始偏移量能够整除对齐数)到某个数字(对齐数)的整数倍的地址数
(3)结构体的总大小为最大对齐数的整数倍
(4)如果嵌套了结构体的情况,嵌套的结构体要对齐到自己的最大对齐数的整数倍处,结构体的整体大小就是所有最大对齐数(含嵌套结构体的对齐数)的整数倍

修改默认对齐

1.#pragma pack(2),修改默认对齐字节数为2,对齐数取2与结构体变量对齐数的较小值

2.#pragma pack(),取消设置的默认对齐数,还原为默认

2.位段

1.什么是位段

1.位段的成员可以是int,unsigned int或signed int

2.位段的成员名后边有一个冒号和一个数字

2.实例

struct A{   	int _a:2;	int _b:5;	int _c:10;	int _d:30;};//printf("%d\n",sizeof(struct A)); 2
#include
#define MAX_SIZE A+Bstruct _Record_Struct{ unsigned char Env_Alarm_ID : 4; unsigned char Para1 : 2; unsigned char state; unsigned char avail : 1; }*Env_Alarm_Record;int main(){ printf("%d\n",(sizeof(struct _Record_Struct) )); //3 return 0;}

运行结果:

3

3.枚举

1.{ }中存放的是枚举常量

2.默认从0开始,依次增1

枚举的优点

1.增加代码的可读性和可维护性

2.和#define定义的标识符比较,枚举有类型检查,更加严谨
3.防止了命名污染
4.便于调试
5.使用方便,可以一次定义多个变量

4.联合

1.联合的成员是共同用同一块内存空间

2.联合体的大小至少是最大成员的大小
3.当最大成员大小不是最大对齐数的整数倍的时候,就要对齐到最大对齐数的整数倍

示例

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

运行结果:

00C1A13C
00C1A13C

判断大小端

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

运行结果:

1

转载地址:http://dezpz.baihongyu.com/

你可能感兴趣的文章
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>>
NISP国家信息安全水平考试,收藏这一篇就够了
查看>>
NIS服务器的配置过程
查看>>
NIS认证管理域中的用户
查看>>
Nitrux 3.8 发布!性能全面提升,带来非凡体验
查看>>
NiuShop开源商城系统 SQL注入漏洞复现
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 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
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三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>