新闻详情

新闻详情

首页 / 资讯中心 / 详情

【C/C++学习】从通讯录项目理解 C 语言里的分层设计

发布时间:2026/10/25 2:00:46来源:尧图网络
【C/C++学习】从通讯录项目理解 C 语言里的分层设计
目录从通讯录项目理解 C 语言里的分层设计从通讯录项目理解 C 语言里的分层设计学习代码contact/contact.c、contact/list.c、contact/initial.c刚开始写 C 语言小项目时我很容易把菜单、输入、链表操作、文件读写都塞进一个main()里。这样短期能跑但代码越写越难改。通讯录项目给我的最大启发是即使项目很小也应该有分层意识。业务层负责“用户想做什么”接口层负责“把业务动作翻译成数据操作”支持层负责“真正怎么存、怎么查、怎么写文件”。这样设计以后底层从链表换成哈希表业务菜单不需要大改。项目里的人员信息很简单structPerson{charname[MAX_NAME_LENGTH];charphone[MAX_PHONE_LENGTH];};如果业务层直接操作链表节点后面每次改存储结构都会牵动上层代码。所以我把插入、查找、删除、遍历、保存、加载做成接口intperson_insert(structPerson*ps,structList*people);structPerson*person_find(constchar*name,structList*people);intperson_remove(structPerson*ps,structList*people);voidperson_traverse(structList*people);intsave_file(structList*people,char*filename);intload_file(structList*people,char*filename);业务层只需要调用这些函数不需要知道链表节点怎样前后连接。这个项目里另一个值得注意的点是输入安全。以前习惯用scanf但它很容易因为长度不可控导致缓冲区溢出。这里改成封装read_line()用fgets按指定长度读取再处理换行符。这个小改动让我意识到安全不是大项目才需要考虑输入边界从第一行代码就应该想清楚。我的理解是分层并不是为了把代码写复杂而是为了减少变化带来的影响。通讯录的业务需求很稳定新增、删除、查询、保存。真正可能变化的是底层存储方式和文件格式。把变化点隔离起来代码才有继续扩展的空间。这是我从这个练习里学到的最重要的设计思想。总结下来通讯录项目虽然功能朴素但它练到的是工程能力接口抽象、数据结构封装、文件持久化和输入边界控制。以后再写网络服务器、数据库连接池本质上也还是这个思路上层描述业务下层封装细节中间用稳定接口连接。学习链接
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 2026/10/23 14:14:50

【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 2026/10/23 14:14:34

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 2026/10/23 14:11:44

【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 ... 2026/10/24 4:32:58

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 2026/10/23 14:10:55

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 2026/10/23 14:14:34

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
📞 ✉