新闻详情

新闻详情

首页 / 资讯中心 / 详情

C 和 C++ 区别

发布时间:2026/11/20 1:34:45来源:尧图网络
C 和 C++ 区别
一、理论语言定位C面向过程语言关注怎么做侧重流程、函数、内存操作没有类、对象、继承等面向对象特性。C在C基础上扩展支持面向过程 面向对象 泛型编程兼容大部分C语法。核心差异C是过程驱动C支持面向对象封装、继承、多态。核心特性差异输入输出C用printf/scanfC推荐cout/cin也兼容C IO。结构体C的struct只有成员变量C的struct可以写成员函数等同于class默认public。函数C不支持函数重载、默认参数C支持重载、默认参数、引用。内存管理C用malloc/freeC新增new/delete会自动调用构造/析构函数。命名空间C没有namespaceC有namespace解决命名冲突。异常C没有标准异常机制C支持try-catch-throw。编译层面C.c文件编译器gcc编译为C风格目标代码。C.cpp文件编译器gC名字会名字修饰(name mangling)支持重载C函数不会修饰所以C调用C库需要extern C。二、代码示例示例1结构体对比// C代码 structstruct ImageInfo{int width;int height;};// C不能在struct内部写函数// C structstruct ImageInfo{int width;int height;// C结构体可以包含成员函数void setSize(int w, int h){width w;height h;}};示例2内存分配对比// Cstruct ImageInfo* img (struct ImageInfo*)malloc(sizeof(struct ImageInfo));free(img);// CImageInfo* img new ImageInfo();delete img;示例3extern C 影像开发高频#ifdef __cplusplusextern C {#endif// 这段函数编译成C风格符号C代码可以直接给C层调用void setSensorExposure(int exp);#ifdef __cplusplus}#endif三、手机影像算法集成 实际工作场景你做Camera HAL / 影像算法集成时这个知识点非常常用Camera HAL 框架底层大量代码是 C语言Android原生BSP、驱动接口都是C追求精简、可控内存没有RTTI、异常这些额外开销。上层算法模块、算法封装、算法管理类一般用 C用类封装 Sensor、ISP、CaptureSession把曝光、白平衡、降噪算法封装成对象代码更容易维护。使用命名空间隔离不同厂商算法模块避免函数名冲突。函数重载比如重载setParam支持传入int、结构体等不同参数。跨层交互痛点HAL的C接口 和 C算法模块互相调用必须用extern C否则C名字修饰会导致找不到符号so库加载失败影像进程crash。选型取舍底层硬件交互、性能极致要求优先C二进制体积小无额外开销。算法业务逻辑、多模块管理C面向对象便于维护复杂影像管线。面试高频坑C兼容C但不是完全兼容C没有引用、类malloc不会调用构造函数new会。✅ 面试口述精简版C是面向过程语言适合底层驱动、HAL这类轻量代码C基于C扩展支持面向对象、泛型编程增加类、引用、重载、new/delete、namespace。C没有名字修饰C存在名字修饰C调用C库要用extern C。在手机影像开发中Camera HAL底层多为C上层算法模块常用C两者经常混编重点要处理好跨语言符号兼容问题。
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 2026/11/20 0:44:51

【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 2026/11/19 15:17:14

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 2026/11/19 20:26:12

【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 ... 2026/11/19 15:16:22

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 2026/11/19 18:03:31

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 2026/11/20 0:44:55

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
📞 ✉