HespethornのBlog

一、类图设计方法论：构建稳健的面向对象模型类图建模的本质是将现实世界的业务概念转化为计算机可理解的面向对象结构。遵循科学的方法论是确保模型质量的基础，核心包含四大环节：元素识别、关系构建、属性定义与模型优化。 1.1 元素识别：精准定位核心建模单元元素识别是类图设计的起点，需从业务需求中提取关键概念并转化为 UML 元素。识别过程需遵循 "单一职责原则"，确保每个元素职责清晰、边界明确。 核心元素类型及识别方法 元素类型 识别特征 表示符号 应用场景 类 (Class) 具有相同属性和行为的对象集合 矩形（分三层：类名 / 属性 / 方法） 业务实体（如 User、Order）、控制逻辑（如 OrderService）、工具组件（如 DateUtils） 接口 (Interface) 定义行为契约，无具体实现 棒棒糖形状或矩形（标注 <>） 服务契约（如 PaymentGateway）、模块边界（如 UserRepository） 抽象类 (Abstract Class) 不能实例化，包含抽象方法 类名斜体或标...

一、面向对象分析（OOA）：需求提取与实体识别1.1 核心业务需求本系统旨在实现以下关键功能： 支持对多种基础几何图形，包括矩形、圆形和三角形的面积计算； 以统一的方式展示不同类型图形的名称及其对应的面积计算结果； 构建具有高度扩展性的系统架构，确保在新增图形类型时，现有计算逻辑无需进行任何修改。 1.2 核心实体识别（3 个以上核心实体）经过严谨的需求分析，本研究确定了以下核心业务实体，并对各实体的属性、行为及业务约束进行了详细定义： 实体名称 核心属性 核心行为 业务约束 图形（Figure） 无直接属性（抽象概念） 获取名称、计算面积 作为抽象基类，不可实例化，需由具体图形类继承 矩形（Rectangle） 长度（length）、宽度（width） 计算面积、返回名称 长度和宽度必须为正数 圆形（Circle） 半径（radius） 计算面积、返回名称 半径必须为正数 三角形（Triangle） 三边长度（a、b、c） 计算面积、返回名称 三边长度需满足三角不等式（a+b>c 等） 图形管理器（FigureManager） 图形集...

一、从"盒子"到"标签"1.1 C语言的"盒子"模型在 C 语言中，变量是一个有固定大小的"盒子"： 1234int a = 10; // 盒子 a 里装着 10int b = a; // 把 a 盒子里的 10 拷贝一份，装进盒子 ba = 20; // 把盒子 a 里的值改成 20// b 仍然是 10，因为每个盒子独立存储自己的值 赋值（a = b）就是把 b 盒子里的东西拷贝一份到 a 盒子里。两个盒子互不干扰。 1.2 Python的"标签"模型Python 的变量更像一张"便利贴"或"标签"，而数据本身是堆内存中的一个"对象"： 1234a = 10 # 创建整数对象 10，把标签 a 贴上去b = a # 把标签 b 也贴到同一个对象 10 上a = 20 # 把标签 a 从 10 撕下来，贴到新对象 20 上# b 仍然贴在 10 上 赋值（a = b）不是拷贝对象，而是给...

导言在 C++ 开发中，频繁使用 new/delete 会导致内存碎片、系统调用开销大等问题，尤其在多线程场景下性能损耗显著。内存池作为一种高效的内存管理方案，通过预先申请大块内存、重复利用空闲内存的方式，能有效解决这些问题。 一、内存池核心设计思路1.1 解决的核心问题 内存碎片：原生 new/delete 分配的内存大小随机，长期使用会产生大量无法利用的小块内存（碎片）； 系统调用开销：每次 new 都会触发系统调用（如 brk/mmap），频繁调用会严重影响性能； 多线程安全：原生内存分配器的锁竞争会导致多线程场景下性能下降。 1.2 核心设计方案我们的内存池采用 “多池分治 + 无锁空闲链表 + 内存块复用” 的设计，具体如下： 多池分治：按内存大小划分 64 个内存池，分别管理 8~512 字节的内存（步长 8 字节），超过 512 字节的内存直接使用原生 new/delete； 无锁空闲链表：用原子操作（CAS）实现空闲内存的入队 / 出队，避免多线程锁竞争； 内存块复用：预先申请 4096 字节的大块内存（与...

一、一个令人困惑的场景你刚学 Python 不久，写了这样一段代码： 123456def try_change(x): x = 100num = 42try_change(num)print(num) # 输出：42 —— 为什么不是 100？ 你期望 num 被改成 100，但它纹丝不动。然而换一种写法： 123456def try_append(lst): lst.append(4)nums = [1, 2, 3]try_append(nums)print(nums) # 输出：[1, 2, 3, 4] —— 居然改了！ 列表却被成功修改了。同一个函数、同一种"传参"，为什么有时改了外面，有时改不了？Python 到底是"传值"还是"传引用"？ 答案是：都不是。Python 使用的是一种更精确的机制——传对象引用（Pass by Object Reference）。 二、核心概念：传对象引用2.1 变量是"标签"，不是"盒子"在 C++ 中，变量是一个&qu...

一、STL 算法调用成员函数的典型错误在开始解决方案前，我们先明确最常见的错误模式，理解问题本质才能避免重复踩坑。 1.1 错误代码示例1234567891011121314151617181920212223242526#include <vector>#include <algorithm>#include <iostream>class NumberProcessor {private: int value;public: NumberProcessor(int v) : value(v) {} bool isEven() const { return value % 2 == 0; } // 筛选条件成员函数 void printValue() const { std::cout << value << " "; } // 操作成员函数 void add(int num) { va...

一、引言如果你写过 functools.partial，或者曾经用闭包"锁定"一个参数，那你其实已经在不知不觉中使用了**柯里化（Currying）**的思想。这个名字来源于数学家 Haskell Curry，而它背后的思想极为简洁：将接受多个参数的函数，转化为一系列只接受一个参数的函数。 从 Python 的视角出发，柯里化不仅是一种函数式编程技巧，更是深入理解闭包、高阶函数与"函数是对象"这三件事的绝佳切入点。 二、什么是柯里化2.1 原始定义在数学和 lambda 演算中，柯里化的定义是： 将一个接受 N 个参数的函数 f(a, b, c) 转化为 f(a)(b)(c) —— 即接受第一个参数返回新函数，新函数接受第二个参数返回下一个新函数，直到收集完所有参数时执行原始逻辑。 2.2 一个直观的例子从一个简单的加法函数开始： 12345# 普通写法：一次接受两个参数def add(a, b): return a + bprint(add(3, 5)) # 输出：8 柯里化之后： 123456789# 柯里化写法：每次只接...

一、Vector 整体结构与 allocator 定位1.1 Vector 核心数据成员构成std::vector 作为动态数组容器，其核心数据结构由三个指针（或类似指针的迭代器）构成，分别指向： 数据区起始位置（begin）：指向已分配内存块的起始地址 有效数据结束位置（end）：指向当前已存储元素的下一个位置 内存块结束位置（capacity_end）：指向已分配内存块的末尾位置 1.2 allocator 在 Vector 中的核心定位std::allocator 作为 Vector 的内存分配器组件，承担以下核心职责： 提供类型安全的内存分配 / 释放接口 解耦容器逻辑与底层内存管理实现 实现元素构造与内存分配的分离操作 支持自定义内存分配策略的扩展接口 二、std::allocator 核心接口与内存分配流程2.1 allocator 核心成员函数 allocate(size_t n)：分配能够存储 n 个元素的未初始化内存块，返回指向内存块起始位置的指针，内存大小为 n * sizeof (T) deallocate(T p, size_t n)*：...

一、引言当你在 Python 中调用一个函数时，解释器在背后做了大量工作来管理变量的"可见性"。为什么函数内部能访问全局变量，但全局却不能直接看到函数内部的变量？为什么嵌套函数能记住外层函数的变量？这一切的答案，都指向一个核心概念——环境模型（Environment Model）。 本文源自 UC Berkeley CS61A 课程的核心内容，带你从"框架（Frame）"的视角理解 Python 的函数调用机制。 二、什么是环境模型环境模型是 Python 解释器用来追踪变量名与值之间绑定关系的一套机制。它的核心思想极其简单： 一个表达式在特定环境中被求值。环境由一系列框架（Frame）组成，每个框架包含一组绑定（Binding）——即变量名到值的映射。 在这套模型中，有两种最关键的结构： 全局框架（Global Frame）：程序启动时就存在的唯一框架，存储全局变量和函数定义 局部框架（Local Frame）：每次函数调用时动态创建的新框架，存储函数的形参和局部变量 三、框架是什么框架本质上是一个上下文（Context），记录着...

一、核心概念辨析在开始代码实现前，需先明确三个核心概念的区别： 概念 定义 典型示例 可调用实体 (Callable Entity) 所有可以通过()语法调用的对象或表达式的统称 函数指针、lambda 表达式、仿函数、bind返回对象 函数对象 (Function Object) 具有operator()成员函数的类实例（仿函数） 自定义struct Add { int operator()(int a, int b); } 可调用对象 (Callable Object) 除函数指针外的可调用实体，强调 "对象" 属性 lambda 表达式、std::bind返回值、std::mem_fn返回值 二、完整代码实现以下代码基于 C++11 标准实现，包含自由函数绑定、成员函数绑定、参数占位符使用、带状态函数对象等典型场景： 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585...

一、引言在C++中，我们通过#include指令引用头文件来复用代码，这种方式使得代码结构更加清晰，便于维护和管理。而在Python中，虽然没有直接的"头文件"概念，但通过其强大的模块导入系统，我们同样可以实现类似的代码组织和复用功能。本文将详细介绍Python中如何像C++引用头文件一样组织和导入代码。 二、C++头文件与Python模块的对比2.1 C++的头文件机制在C++中，头文件（.h文件）通常包含： 函数声明 类定义 常量定义 模板声明 通过#include指令，我们可以在源文件中引用这些头文件，从而使用其中定义的内容。 2.2 Python的模块机制在Python中，模块是一个包含Python定义和语句的文件，文件名就是模块名加上.py后缀。通过import语句，我们可以在其他Python文件中导入并使用模块中的内容。 三、Python模块的基本使用3.1 创建模块创建一个Python模块非常简单，只需要创建一个.py文件并在其中定义函数、类、变量等。 例如，创建一个名为utils.py的模块： 1234567891011# utils.py...

引言在传统的 C++ 面向对象设计中，我们通常使用虚函数实现多态。本文将展示如何使用std::function替代虚函数，并结合移动语义，构建一个更灵活高效的图形计算程序。这种方式不仅能保持多态性，还能提升性能并增加代码灵活性。 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283848586878889909192939495969798991001011021031041051061071081091101111121131141151161171181191201211221231241251261271281291301311321331341351361371381391401411421431441451461471481491501511521531541551561571581591601611621631...

一、文件读取核心概念与基础流程1.1 文件操作的三要素文件读取本质是 "数据在外部存储与内存间的传输过程"，需关注三个核心要素： 流对象：C++ 标准库通过std::ifstream（输入文件流）提供文件读取接口，是连接程序与外部文件的桥梁 流状态：通过good()/eof()/fail()/bad()四个状态标志判断操作有效性 数据缓冲区：操作系统与标准库均会维护缓冲区，减少磁盘 IO 次数（默认缓冲区大小通常为 4KB 或 8KB） 1.2 基础文件读取流程（标准范式）所有文件读取操作都遵循 "打开 - 读取 - 关闭" 的核心流程，标准实现代码如下： 123456789101112131415161718192021222324252627282930313233343536373839#include <fstream>#include <iostream>#include <string>int main() { // 1. 创建流对象并打...

一、什么是迭代器？迭代器（Iterator）是 Python 中一种实现了迭代协议的对象，它允许我们逐个访问集合中的元素，而不需要知道集合的内部结构。迭代器必须实现两个方法： __iter__()：返回迭代器对象本身 __next__()：返回下一个元素，如果没有更多元素则抛出 StopIteration 异常 1.1 迭代器的基本使用123456789101112# 创建一个迭代器numbers = [1, 2, 3, 4, 5]iterator = iter(numbers)# 使用 next() 函数获取下一个元素print(next(iterator)) # 输出: 1print(next(iterator)) # 输出: 2print(next(iterator)) # 输出: 3# 使用 for 循环遍历（自动处理 StopIteration 异常）for num in iterator: print(num) # 输出: 4, 5 1.2 自定义迭代器1234567891011121314151617class Countdown: def...

一、std::function —— 可调用对象的 "万能容器"1.1 概念解析：什么是 std::function？std::function 是 C++11 标准库 头文件中引入的通用可调用对象封装器，其核心作用是将各种不同类型的可调用实体（函数指针、成员函数指针、lambda 表达式、函数对象）统一到一个类型安全的容器中。 可以将其类比为 "函数的通用接口转换器"—— 无论原始可调用对象的类型如何，只要签名（返回值类型 + 参数类型列表）匹配，就能被 std::function 封装并统一调用。 1.2 实现原理：类型擦除（Type Erasure）std::function 本质是通过类型擦除技术实现的多态封装，核心流程如下： 定义一个抽象基类（如 function_base），包含纯虚函数 operator()（对应目标签名）和析构函数； 为每个具体的可调用对象类型，实现一个模板派生类（如 function_impl），继承自 function_base，并在 operator() 中调用具体对象； std::functi...

一、什么是列表推导式？列表推导式（List Comprehension）是 Python 中一种简洁、优雅的语法特性，用于快速创建列表。它允许我们在一行代码中完成对序列的迭代、过滤和转换操作，相比传统的 for 循环，代码更加简洁易读。 二、基本语法列表推导式的基本语法如下： 1[表达式 for 变量 in 可迭代对象 if 条件] 表达式：对每个元素执行的操作，结果将作为新列表的元素 变量：从可迭代对象中取出的每个元素 可迭代对象：可以是列表、元组、字符串、range 等 条件（可选）：过滤条件，只有满足条件的元素才会被处理 三、基础用法3.1 简单列表生成123456789101112# 生成 0-9 的平方列表squares = [x ** 2 for x in range(10)]print(squares) # 输出: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]# 生成 1-10 的偶数列表evens = [x for x in range(1, 11) if x % 2 == 0]print(evens) # 输出: [2, 4...

一、工具链安装（环境准备阶段）代码覆盖率分析依赖 lcov（数据处理）、gcov（数据生成）、genhtml（报告可视化）三款核心工具，需根据操作系统选择对应安装方式。 1.1 Debian/Ubuntu 系统通过 apt 包管理器一键安装，命令如下： 1sudo apt update && sudo apt install -y lcov gcov genhtml lcov：负责收集、过滤、合并覆盖率原始数据 gcov：编译器内置组件（GCC 默认自带，Clang 需确保版本 ≥9.0） genhtml：将 lcov 数据转换为带代码标注的 HTML 报告 1.2 工具版本验证安装完成后需确认工具可用性与版本兼容性，避免因版本过低导致功能异常： 1234# 验证 lcov 版本（需 ≥1.16，支持现代 CMake 路径映射）lcov --version# 验证编译器覆盖率组件（GCC ≥7.0，Clang ≥9.0）gcov --version 二、CMake 配置（编译配置阶段）在项目根目录的 CMakeLists.txt 中添加覆盖...

一、 什么是解包操作？解包（Unpacking）是 Python 中一种强大的语法特性，它允许我们将容器类型（如列表、元组、字典等）中的元素“解压”出来，分别赋值给多个变量。Python 提供了两种主要的解包操作符： *：用于序列解包（列表、元组、字符串等可迭代对象） **：用于字典解包（将键值对解包为关键字参数） 二、 基础解包：无需操作符的简单情况在学习 * 和 ** 之前，我们先了解一下最基本的解包操作： 123456789101112131415# 基本解包 - 左右两边元素数量必须匹配name, age, city = ["Alice", 30, "New York"]print(name) # 输出: Aliceprint(age) # 输出: 30print(city) # 输出: New York# 元组解包同样适用coordinates = (10.5, 20.7)x, y = coordinatesprint(x, y) # 输出: 10.5 20.7# 字符串解包word = "abc"...

导言在软件开发过程中，代码覆盖率是衡量测试质量的关键指标之一。它能够帮助开发和测试团队识别未被测试覆盖的代码区域，从而提升软件质量和稳定性。Lcov（Linux Test Project Coverage Tool）作为一款强大的代码覆盖率分析工具，基于 GCC 的覆盖测试功能，能够生成直观的 HTML 报告，广泛应用于 Linux 环境下的软件开发流程。本文将从基础概念入手，带您逐步掌握 Lcov 的安装、配置、使用及数据分析，轻松入门代码覆盖率分析。 一、Lcov 基础概念：你需要了解的核心术语在使用 Lcov 之前，首先需要理解代码覆盖率的基本概念，这将帮助你更好地解读 Lcov 生成的报告。 术语 定义 作用 代码覆盖率（Code Coverage） 衡量测试用例执行时覆盖代码比例的指标，反映测试的充分性 评估测试质量，识别未测试代码 行覆盖（Line Coverage） 被测试执行过的代码行数占总代码行数的比例 最基础的覆盖率指标，直观反映代码执行情况 分支覆盖（Branch Coverage） 被测试执行过的代码分支（如 if/else、...

一、什么是PIL？PIL（Python Imaging Library）是Python中最常用的图像处理库，它提供了丰富的图像处理功能，如打开、保存、调整大小、裁剪、旋转、滤镜等。PIL已经被Pillow库所取代，Pillow是PIL的一个分支，提供了更多的功能和更好的支持。 二、安装Pillow1pip install Pillow 三、基本操作1. 打开和显示图像123456789101112from PIL import Image# 打开图像img = Image.open('image.jpg')# 显示图像img.show()# 查看图像信息print(f"图像大小：{img.size}")print(f"图像模式：{img.mode}")print(f"图像格式：{img.format}") 2. 保存图像12345678from PIL import Image# 打开图像img = Image.open('im...

导言在掌握 CMake 基础用法后，本文将通过一个完整的多文件计算项目案例，深入讲解 CMake 在实际开发中的应用。该案例包含加减乘除四个运算模块，通过 CMake 实现自动化构建，同时覆盖源文件搜索、头文件路径配置、变量使用等核心技巧，帮助你将 CMake 知识落地到实际项目中。 一、项目整体概览1.1 项目功能该项目实现了整数的加减乘除基本运算，通过main.cpp中的test()函数调用各运算模块，最终在控制台输出计算结果。项目结构清晰，将不同运算逻辑拆分到独立的源文件和头文件中，符合模块化开发思想。 1.2 完整文件结构1234567891011calc_project/├── add.cpp # 加法运算实现├── add.h # 加法运算声明├── CMakeLists.txt # CMake配置文件├── divi.cpp # 除法运算实现├── divi.h # 除法运算声明├── main.cpp # 主程序（测试入口）├── mult.cpp # 乘法运算实现├── mult...

CMake 初步使用CMake 是一个跨平台的构建系统生成工具，它可以根据简单的配置文件（CMakeLists.txt）生成不同平台的构建文件（如 Makefile、Visual Studio 项目文件等）。对于 C/C++ 项目，掌握 CMake 的基本使用能极大简化跨平台开发流程。 一、CMake 基本概念 CMakeLists.txt：CMake 的配置文件，描述项目的构建规则 构建目录：存放生成的构建文件和编译产物的目录，通常建议与源代码分离 生成器：CMake 支持的不同构建系统（如 Unix Makefiles、Visual Studio、Xcode 等） 目标（Target）：CMake 中要构建的实体（可执行文件、库等） 二、安装 CMake Windows：从 CMake 官网 下载安装包，勾选 "Add CMake to the system PATH" Linux：通过包管理器安装 sudo apt install cmake（Debian/Ubuntu）或 sudo yum install cmake（C...

一、什么是CSV？CSV（Comma-Separated Values）是一种简单的文件格式，用于存储表格数据，如电子表格或数据库。CSV文件中的每行代表表格中的一行，每行中的值用逗号（或其他分隔符）分隔。 二、Python的CSV模块Python标准库中的csv模块提供了处理CSV文件的功能，它可以帮助你读取和写入CSV文件，处理各种CSV格式的变体。 三、读取CSV文件1. 基本读取123456import csvwith open('data.csv', 'r', encoding='utf-8') as f: reader = csv.reader(f) for row in reader: print(row) 2. 读取为字典123456import csvwith open('data.csv', 'r', encoding='utf-8') as f: reader = csv.DictReader(f) ...

C++核心语法整理C与C++类与对象C++输入输出流友元与运算符重载关联式容器继承多态模板移动语义与资源管理C与C++ C++程序介绍 g++编译器安装 sudo apt install g++ 源文件名称 .cc .cpp C++程序模板设置 /home/st/.vim/plugged/prepare-code/snippet hello world程序分析 #include C++标准库中头文件 没有.h cin 标准输入流 默认输入设备 从键盘接收数据 cout 标准输出流 默认输出设备 屏幕 int main(int argc , char *argv[]){} 返回值为int argc 命令行参数的个数 argv 具体的命令行参数 vim中启动鼠标 编辑.vimrc文件 子主题 命名空间 命名空间是什么, 有什么作用? C++中的一种避免名字冲突的机制 主要作用区分同名实体 实体 变量、常量、函数、结构体、类、对象...

一、核心区别：内存快照 vs. 事件流先明确最本质的差异：DOM 解析器会为整个XML文档创建一个内存快照，构建一棵完整的节点树；而 SAX 解析器则像一个事件流处理器，逐行扫描文档并触发事件。这一区别决定了它们在内存占用、处理速度和编程模型上的根本不同，是XML处理技术中“空间换时间”与“时间换空间”的经典对决。 二、分场景深度解析1. DOM：将整个文档“拍”进内存DOM（Document Object Model）的核心思想是一次性加载整个XML文档，在内存中构建一个与文档层级结构完全对应的对象树。这就像给一座建筑拍下一张高清全景照片，所有细节（房间、门窗、楼层关系）都一览无余。 工作原理：解析器从XML文件的根元素开始，递归地读取每个节点，并在内存中创建相应的对象（如 Document, Element, Attr, Text）。这些对象通过父子、兄弟关系相互连接，形成一个完整的对象树。 实现特点： 随机访问：由于整个树都在内存中，你可以随时、随意地访问树中的任何一个节点，向前或向后遍历都极其方便。 易于编程：其API非常直观，符合人们对树形结构的认知，上手简单，代...