新闻详情

新闻详情

首页 / 资讯中心 / 详情

循环语句讲解

发布时间:2026/11/18 2:12:10来源:尧图网络
循环语句讲解
概述C语言语句可以分为一下五大类1.表达式语句 2.控制语句3.函数调用语句 4.复合语句5.空语句控制语句包括以下三大类1.条件判断语句也叫分支语句包括 if 语句switch 语句2.循环执行语句包括 while 语句do while 语句for语句3.转向语句包括 break 语句goto 语句continue 语句return 语句这里我们主要学习控制语句中的循环执行语句。一.while循环语句下图是while循环流程循环变量初始化后进行循环判断判断为真后执行循环体再回到循环判断步骤若判断为假跳过循环体跳出循环。示例#includestdio.h int main() { int a 5; while (a) { printf(%2d, a); a--; } return 0; }声明变量 a 并初始化为5然后进行循环判断判断表达式为 a 因为 a 的值为5不等于零为真进入循环并执行循环体打印a的值并 使a自减 结束后返回循环判断此时a的值为4再次进入循环并执行循环体往复循环直到a自减到0 。代码执行结果如上图。注要注意循环判断的改变调整循环次数防止发生死循环。二. do while 循环语句由图可知while 循环与 do while 循环的差距是循环变量初始化后do while首先进入循环体再进行循环判断而 while 首先进入判断再进入循环体。示例#includestdio.h int main() { int a 5; do { printf(%2d, a); } while (a--); return 0; }此代码中先声明变量 a 并赋值为 5 进入首先循环体再进行判断继续循环。结果如下三.for循环语句对于上述两种循环我们不难看出循环变量的声明在循环外而循环变量的判断在循环的开头或者末尾循环变量的改变在循环体中分散的很开这不利于我们写较长的代码。而for循环完美的解决了这个问题。for循环流程如下所示对比while循环的流程这里循环变量的声明可以在循环内执行。#includestdio.h int main() { for (int i 0; i 10; i) { printf(%2d, i); } return 0; }不难看出for 后三个表达式分别是 循环变量的声明 循环判断 循环变量的变化。代码结果是注for循环不强制在循环中声明、初始化循环变量并且的初始化部分、判断部分、调整部分都是可以省略的。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉