新闻详情

新闻详情

首页 / 资讯中心 / 详情

每天学一点C++ —— 左值右值

发布时间:2026/11/12 9:43:21来源:尧图网络
每天学一点C++ —— 左值右值
1.左值是拥有标识的表达式右值是可以被移动的表达式分为纯右值和亡值2.const 左值引用 const T 能绑定左值lvalue、纯右值pvalue、亡值xvalue非模板情景下的普通右值引用T 能绑定纯右值、亡值3.const T 绑定临时对象时会延长临时对象的生命周期原本临时对象的生命周期随着表达式的结束会自动销毁但是被 const 左值引用绑定后这个生命周期随着这个引用对象的结束才结束但是延长生命周期的对象只能是被直接绑定的对象如果是对象成员并不会延长生命周期随着对象销毁对象成员依然会被销毁此时 const T 引用对象还存在但是被绑定的对象却不存在了会发生悬垂引用4.T 只能绑定非 const 左值因为T 默认能通过这个引用对象修改被绑定的对象常量左值不能被修改所以不能绑定若允许绑定纯右值、亡值存在后续引用访问已销毁对象的风险引发未定义行为。5.程序直接产生的临时实体一定是右值纯右值亡值 (xvalue) 归类属于右值但亡值不一定是临时对象。6.亡值并不是一个变量比如string s hellos是左值move(s)这个表达式是亡值属于右值它虽然有内存地址但是语法上不允许取所以属于右值。区分左值和右值的核心就是能否取地址这个是快速判断方法不是规范定义不能取地址并不代表没有内存空间7.不加 const 的临时对象本身允许就地修改调用非 const 成员函数但是语法禁止T绑定临时对象防止后续引用指向已经销毁的临时造成 悬垂引用。8.string s2 move(s)s对象本体分配在栈对象内部存有指向堆内存的指针堆内存存放字符串字符。移动构造时新对象s2复制源对象s的指针、长度等信息让s2内部指针指向原来的堆缓冲区随后将s内部指针置空。堆内存只有一份完成资源所有权转移无需拷贝字符深拷贝就是有两份堆内存。
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 2026/11/11 13:52:51

【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 2026/11/10 19:42:40

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 2026/11/11 9:31:44

【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 ... 2026/11/12 9:25:38

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 2026/11/11 15:37:39

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 2026/11/10 17:14:10

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
📞 ✉