局部变量

函数里面的局部变量有普通的局部变量局部静态变量两种。

普通局部变量变量就是正常定义在函数体内部的变量,如果返回局部变量的地址,以便于函数调用结束后还继续访问此变量的话,编译器会报warning,本身这种行为也是错误的,因为函数调用结束后此变量的内存会被释放掉。

局部静态变量会在第一次定义的时候赋给一个初值,之后的调用过程中值会保持原来的值。

例如

int print(){
  static int a = 1;
  printf("%d\n", a++);
}

参数传递

总结出以下几种原则

1.如果是正常传参的话,规则与赋值相等。

2.如果是传引用的话

(1)正常引用传参必须满足匹配原则,例如形参是int,那么传递参数就只能是int,而不能是double或const int。

(2)常量引用传参能够传递所有非常量的匹配的参数,也能传递所有const 类型的匹配参数(如表达式的值,函数的返回结果等。

3.指针传参

具体有const int a, int const a, const int *a

(1)const int a, int const a 正常指针没啥说的。

(2)int * const a, 指针常量,指针指向的地址不能变,但是地址所具有的值可改变。

(3)const int * a,a指针所指向地址能改变,但指向地址的内容不能改变

(4)数组传参如果形参是例如int a[10],传过去的并不是数组,只是指向数组首地址的指针。如果使用memset的话只会让指针指向的位置置零。

  int *matrix[10];         //十个指针构成的数组

  int (*matrix)[10]        //指向含有十个整数的数组的指针

  二维数组传参的时候一定要指定第二维的个数

函数重载匹配规则

具有相同变量名和不同的参数列表的函数叫做重载函数

(1).const T和T不能作为区别两个重载函数的参数

(2)编译器会选择最优匹配的函数调用

最优匹配会经过如下几个步骤

⊙1.确定候选函数

候选函数有两个特征

  ①声明在调用点可见

  ②函数名与调用函数名相同

⊙2.寻找可行参数

可行参数寻找的原则有两点

  ①形参数量与实参数量匹配

  ②形参类型与实参类型相同或能相互匹配

⊙3.寻找最优匹配

最有匹配函数需满足两点

  ①该函数每个实参的匹配都不劣与其他可行参数的匹配

  ②至少有一个实参的匹配优于其他可行参数

  ③如果满足不了以上两点编译器将会判为二义性报错

默认实参

某些函数有这样一些参数,在函数调用的过程中很多次都被赋予同样的值,此时往往把这个参数设为默认参数。

默认参数的写法如下

void print(int a = 1){};

默认参数定义有以下几种规则

(1)某一个参数被赋予了默认值那么之后的参数也要被赋予默认值

默认参数声明有以下几种规则

内联函数

当函数体很短且易展开的时候,我们将函数前面加上一个inline如果能够展开编译器会在编译的时候将函数展开成一个表达式,以节省调用的时间。内联函数是一种建议,编译器可能不会理会。

constexpr函数

当表达式全是由常量组成的时候,在前面加一个constexpr编译器会直接将这个函数变成一个常量,以节省函数调用及计算过程。

函数指针

函数指针指向的是函数而并非是对象

函数指针声明,与声明函数类似,只是将函数名换成指针,写法如下:

void (*a)(double, int);

指向某函数是时方法与赋值类似

a = print;

调用该指针时与调用函数方法类似

a(1., 1);

高放的c++学习笔记之函数基础的更多相关文章

  1. 高放的python学习笔记之基本语法

    python与c++的不同之处 python的语句块不是用{}括起来的而是冒号后面跟一些与比当前语句多一的tab缩进的语句. 1.定义变量 python的变量类型不需要人为指出,会根据赋值的类型决定此 ...

  2. 高放的c++学习笔记之模板与泛型编程

    函数模板 作用 有很多时候参数的类型以及返回值的类型是可变的,我们通过定义模板来让函数能更灵活的运用. 我们设计一个比较函数,如果能比较的两个参数是int型的,两个参数也可能都是string型的,单独 ...

  3. 高放的c++学习笔记之重载运算与类型转换

    ▲基本概念 (1)重载运算符是具有特殊名字的函数,它们的名字又operator和其后要定义的运算符号共同构成.. (2)对于一个运算符号来说它或者是类的成员,或者至少含有一个类类型的参数. (3)我们 ...

  4. 高放的c++学习笔记之类

    类的基本思想是数据抽象和封装1.this 成员函数通过一个名为this的额外隐式参数来访问调用它的对象,当我们调用一个函数的时候,用请求该函数的对象的初始化this. 如果某个类的名字为sale,某个 ...

  5. 高放的c++学习笔记之lambda表达式

    lambda表达式:可以让代码看起来更整洁,有些结构简单且用的次数少的函数可以用lambda表达式替代, 通常结构是这样的[捕获列表](参数列表){函数部分} 捕获列表: lambda表达式如果在一个 ...

  6. 高放的c++学习笔记之关联容器

    标准库提供8个关联容器 按关键字有序保存有(红黑树实现) set map multset 关键字可重复出现的set multimap  关键字可重复出现的map 无序保存 哈希实现 unorderre ...

  7. Matlab学习笔记 figure函数

    Matlab学习笔记 figure函数 matlab中的 figure 命令,能够创建一个用来显示图形输出的一个窗口对象.每一个这样的窗口都有一些属性,例如窗口的尺寸.位置,等等.下面一一介绍它们. ...

  8. matlab学习笔记 bsxfun函数

    matlab学习笔记 bsxfun函数 最近总是遇到 bsxfun这个函数,前几次因为无关紧要只是大概看了一下函数体去对比结果,今天再一次遇见了这个函数,想想还是有必要掌握的,遂查了些资料总结如下. ...

  9. Rancher Server HA的高可用部署实验-学习笔记

    转载于https://blog.csdn.net/csdn_duomaomao/article/details/78771731 Rancher Server HA的高可用部署实验-学习笔记 一.机器 ...

随机推荐

  1. ExtJS5_主界面上加入顶部和底部区域

    为主界面加一个顶部区域和底部区域.一个管理系统的界面可以粗分为顶部标题部分.中间数据展示和处理的部分.底部备注和状态部分. 在增加这二个区域之前,我们先在MainModel.js中加入一些数据. Ex ...

  2. UVA138 Street Numbers(数论)

    题目链接. 题意: 找一个n,和一个m(m < n),求使得1~m的和等于m~n的和,找出10组m,n 分析: 列出来式子就是 m*(m+1)/2 = (n-m+1)*(m+n)/2 化简后为 ...

  3. GruntJs安装及使用入门(自定义grunt任务,合并压缩js、css)

    一.Grunt.js简介(实现自动化) 1)简要说明: 1.GruntJs是基于node的javascript命令行工具,可以自动化构建.测试.生成文档的项目管理工具: 2.使用GruntJs可以自动 ...

  4. 计算机语言的发展(the history of computer's language)

    第一部分 计算机语言的分类: 机器语言:直接用二进制代码指令表达的计算机语言,指令是用0和1组成的一串代码.例如:1011011000000000,表示加法.可以直接执行. 汇编语言:汇编指令集.伪指 ...

  5. java笔记14之private

    private:        1 是一个权限修饰符        2 可以修饰成员变量和成员方法        被其修饰的成员只能在本类中被访问 class Demo { //int num = 1 ...

  6. 使用javascript判断浏览器类型

    之前在项目中遇到过要针对不同浏览器做不同的一些js或者css操作,后来某个朋友也突然问到这个问题,所以,整理了一下,在这里留个笔记,方便以后使用. 使用javascript判断浏览器类型: funct ...

  7. jQuery(二)

    jQuery学完了!好用! 1.用定时器做的jquery里面的animate效果 <!DOCTYPE html> <html lang="en"> < ...

  8. 注释PHP和html混合代码

    <?php if(false){ ?> any code <?php } ?>

  9. Unity3D NGUI制作的Button放到场景中,按钮从2D变到3D

    通常我们使用Button都是在UI界面,即NGUI的摄像机下,如果想换到场景中,即不让按钮以UI形式显现,而是和场景中的物体一起随着摄像机移动而缩小,放大. 很简单,把Button从NGUi的摄像机中 ...

  10. Machine Learning—Mixtures of Gaussians and the EM algorithm

    印象笔记同步分享:Machine Learning-Mixtures of Gaussians and the EM algorithm