黑马程序员—字符串函数

------- android培训java培训、期待与您交流! ----------


一,char 数组赋值


char a[10] = "Hello You";

不可以分开,写成

char a[10];

a = "Hello You";


a虽然是指针,但是它已经指向在堆栈中分配的10个字符空间,现在这个情况a又指向数据区中的hello常量,造成指针a混乱。

也不可以写成 a[10] = "Hello You";

(我觉得这个错我不会犯,因为a为数组名,a[10]已经越界了,还有a[10]只能存放一个字符,存不了字符串滴)。


如果要想给数组a 赋值,可以  a = {'H','e','l','l','o','','Y','o','u',''};也可以strcpy(a,"Hello You");

二,char 指针

char *pa = "Hello You";pa中存放的是"Hello You"的首地址,当读取*pa的时候,从地址位置开始读取,一直到\0时结束。求字符串长
度时,也是读到\0时,结束,字符串的长度不包含\0。

对于上面的pa,因为pa指向的是常量区 "Hello You",当试图对*pa 赋值时,就会产生错误,因为pa所指向的是常量字符串,常量字符串是

不可以更改的,就如果你不可以对常量10 进行自加自减的操作一样。(这一段我也不知正确与否,请高手路过时顺便指教下啊)


三,字符串处理


strcpy:拷贝一个字符串到另一个
strncpy:拷贝一个字符串前n个到另一个字符串中


用法:

<span style="white-space:pre">		</span>char str1[10],str3[20];
		char *str2 = "abcdefg";


		strcpy(str1,str2);


		strncpy(str3,str1,5);


		printf("%s,%s",str1,str3);//str1 为 "abcdefg",str3为abcde

strcat:字符串拼接


strncat:将后一个字符串前n个拼接到前一个


用法:

		char dest[20] = {'H','e','l','l','o'};


		char dest2[30];


		char *bl = " ";


		char *y = "You";


		strcat(dest,bl);


		strcat(dest,y);


		strncat(dest,dest2,8);

则 dest 为 "Hello You",dest2为"Hello Yo"


strcmp:俩字符串比较


strncmp:比较俩字符串的前n个字符大小


用法:

		char * s1 = "abcdefg";

		char *s2 = "bcdefg";

		char *s3 = "abcdefghijklmn";

		int a = strcmp(s1,s2);//a < 0

		int b = strncmp(s1,s3,7);// b = 0

		int c = strcmp(s1,s3);// c < 0;


当a<0,则s1小于s2,a>0,s1>s2,a=0,s1=s2,其中大小是按字符串里从左到右字符大小比较的(即字符的ascii大小)。


------- android培训java培训、期待与您交流! ----------

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值