模板 C++ 的模板一直是这门语言的一种特殊的艺术，模板甚至可以独立作为一门新的语言来进行使用。 模板的哲学在于将一切能够在编译期处理的问题丢到编译期进行处理，仅在运行时处理那些最核心的动 态服务，进而大幅优化运行期的性能。因此模板也被很多人视作 C++ 的黑魔法之一。 外部模板 传统 C++ 中，模板只有在使用时才会被编译器实例化。换句话说，只要在每个编译单元（文件）中 编译的代码中 std::regex 及其相关 对字符串内容进行匹配的最常见手段就是使用正则表达式。可惜在传统 C++ 中正则表达式一直没 有得到语言层面的支持，没有纳入标准库，而 C++ 作为一门高性能语言，在后台服务的开发中，对 URL 资源链接进行判断时，使用正则表达式也是工业界最为成熟的普遍做法。 一般的解决方案就是使用 boost 的正则表达式库。而 C++11 正式将正则表达式的的处理方法纳入 标 sub-match[1]: bar 总结 本节简单介绍了正则表达式本身，然后根据使用正则表达式的主要需求，通过一个实际的例子介绍 了正则表达式库的使用。 习题 1. 在 Web 服务器开发中，我们通常希望服务某些满足某个条件的路由。正则表达式便是完成这一目 标的工具之一。 给定如下请求结构： 60 习题 第 6 章正则表达式 struct Request { // request

你给的 i 超过了字符 串大小 i ≥ s.size() ，那程序的行为是未定义的，因为这个地方可能 有其他的对象，程序可能会奔溃，也可能行为异常。如果是富连网 程序，还可能会被黑客利用，窃取或篡改服务器上的数据。 • 那为什么还要 [] ？性能！ at 做越界检测需要额外的开销， [] 不需 要。 • 所以 [] 更高效， at 更安全。遇到诡异 bug 时，试试把 [] 都改 成 at 串往往比较短很容易放进 15 字节的局部栈空间里；然而 vector 面对的往往是比较大的数据结构，有时还有智能指 针， std::thread 这种具有非平凡构造 / 析构函数的类型。对 vector 来说保障 RAII 的安全更重要，所以没有冒险优化。 string 的 append 实现 • append 和 resize 都会去调用 _M_append 这个内部函数。 • 他会检测 append

cudaMalloc3DArray 用于分配一个三维数组。 各维度上的大小通过 cudaExtent 指定，方 便起见我们的 C++ 封装类用了 uint3 表示 大小。 • GPU 的多维数组有特殊的数据排布来保障 访存的高效，和我们 CPU 那样简单地行主 序或列主序（如 a[x + nx * y] ）的多维数组 不一样。 • 随后可用 cudaMemcpy3D 在 GPU 的三 维数组和 CPU 钳制到 0 ， n+100 钳制到 n-1 。 • cudaBoundaryModeZero ：对于读来说越界会读取到 0 ；对于写来说越界会放弃写入，不修改数组中的任 何值。 • 表面对象保障了高效的访存，并且自动判断越界，体 现了 GPU 作为图形学专业硬件的能力。 CUDA 纹理对象：封装 • 表面对象访问数组是可读可写的。纹理对象也可以访问 数组，不过是只读的。好处是他可以通过浮点坐标来访

使人生涯结束、生活受威胁的那种，那么战况之激烈不言可知。如果这场战斗关 系到你的程序员生涯，铃声响起时你最好付出高度注意力。 我说的是application framework。换个角度来说，我指的是整合型（全套服务的）C++ 软 体开发平台。目前，所有重要厂商包括Microsoft、Borland、Symantec、Metaware 和Watcom 都已投入这个战场。在PC 领域，最著名的application 上的产品，IBM 更企图让它们横跨Windows 世界。 在这一章中，我将以概观的方式为你介绍Visual C++ 的整合环境，目的在认识搭配在 MFC 周遭的这些强棒工具的操作性与功能性，实地了解这一整套服务带给我们什么样的 便利。除非你要以你的PE2 老古董把程序一字一句co co co 地敲下去，否则Visual C++ 的这些工具对软件开发的重要性不亚于MFC。我所使用的Visual C++ 版本是v5 i b* 之类别。选择其中的CScri bbl eApp，右框之中就会填 入所有它出现的位置（包括定义处以及被参考之处) 。双击其中之一，你立刻置身其中，文字编辑 器会跳出来，加载此档，准备为你服务。 Browser 也揭露类别之间的关系以及类别与函数之间的关系。MFC 类别彼此叠床架屋， 只以一般的文字编辑器（或如grep 之类的文字搜寻器）探索这些关系，就好象划一艘 小船横渡太平洋到美利坚一样地缓慢而遥远。Browser

判断规则，例如数字大小、字符 ASCII 码顺序、自定义规则； Figure 11‑1. 排序中不同的元素类型和判断规则 11.1.1. 评价维度 排序算法主要可根据 稳定性、就地性、自适应性、比较类 来分类。 稳定性 ‧「稳定排序」在完成排序后，不改变 相等元素在数组中的相对顺序。 ‧「非稳定排序」在完成排序后，相等元素在数组中的相对位置 可能被改变。 假设我们有一个存储学生信息的表格，第

外辅助数组，节约内存；并且 一般情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：「稳定排序」在完成排序后，相等元素在数组中的相对顺序 不会发生改变。假设我们有一个存储学生 信息的表格，第 1, 2 列分别是姓名和年龄。那么在以下示例中，「非稳定排序」会导致输入数据的有序性丢失。 稳定性是排序算法很好的特性，在多级排序中是必须的。 # 输入数据是按照姓名排序好的 # (name

于大数据量的情况，运行效率显得尤为重要。 就地性：顾名思义，原地排序通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内存。 通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：稳定排序在完成排序后，相等元素在数组中的相对顺序不发生改变。 稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和 年龄。在这种情况下，非稳定排序可能导致输入数据的有序性丧失： 如其他数据结构和算法一样，没有一种排序算法能够同时满足所有这些条件。在实际应用中，我们需要 根据数据的特性来选择合适的排序算法。 ‧ 图 11‑19 对比了主流排序算法的效率、稳定性、就地性和自适应性等。 图 11‑19 排序算法对比 2. Q & A Q：排序算法稳定性在什么情况下是必需的？ 在现实中，我们有可能基于对象的某个属性进行排序。例如，学生有姓名和身高两个属性，我们希望实现一 个多级排序：先按照姓名进行排序，得到

对于大数据量情况，运行效率显得尤为重要。 就地性：顾名思义，「原地排序」通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内 存。通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：「稳定排序」在完成排序后，相等元素在数组中的相对顺序不发生改变。 稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和 年龄。在这种情况下，「 条件。在实际应用中，我们需要 根据数据的特性来选择合适的排序算法。 ‧ 图 11‑19 对比了主流排序算法的效率、稳定性、就地性和自适应性等。 第 11 章 排序 hello‑algo.com 257 图 11‑19 排序算法对比 2. Q & A � 排序算法稳定性在什么情况下是必须的？ 在现实中，我们有可能是在对象的某个属性上进行排序。例如，学生有姓名和身高两个属性， 我们希望实现一个多级排序/

于大数据量的情况，运行效率显得尤为重要。 就地性：顾名思义，「原地排序」通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内 存。通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：「稳定排序」在完成排序后，相等元素在数组中的相对顺序不发生改变。 稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和 年龄。在这种情况下，「 条件。在实际应用中，我们需要 根据数据的特性来选择合适的排序算法。 ‧ 图 11‑19 对比了主流排序算法的效率、稳定性、就地性和自适应性等。 第 11 章 排序 hello‑algo.com 257 图 11‑19 排序算法对比 2. Q & A Q：排序算法稳定性在什么情况下是必需的？ 在现实中，我们有可能基于对象的某个属性进行排序。例如，学生有姓名和身高两个属性，我们希望实现一