文件

本文介绍了文件的排序、拷贝以及如何在命令行中使用merge工具进行文件合并与复原。通过`merge –e`命令可以将多个文件合并成一个,而`merge –x`则用于从合并的文件中解压还原原来文件。
摘要由CSDN通过智能技术生成

排序:

#include <iostream>
#include <fstream>
#include <stdlib.h>
using namespace std;
int numbers[10000];

int MyCompare(const void* p1,const void* p2)
{
    return *((int*)p1)-*((int*)p2);
}

int main()
{
    int i=0;
    ifstream inFile("in.txt",ios::in);
    ofstream outFile("out.txt",ios::out);
    while(inFile >> numbers[i]) i++;
    cout<<"i="<<i<<endl;
    for(int j=0;j<i;j++)
        cout<<numbers[j]<<" ";
    cout<<endl;
    qsort(numbers, i, sizeof(int), MyCompare);
    for(int j=0;j<i;j++)
        cout<<numbers[j]<<" ";
    cout<<endl;
    for(int j = 0; j < i; j ++)
        outFile << numbers[j] << " ";
    outFile.close();
    inFile.close();
    return 0;
}

文件拷贝:

命令行参数见链接:点击打开链接

#include <iostream>
#include <fstream>
using namespace std;

int main(int argc,char* argv[])
{
    //locale::global(locale(""));//将全局区域设为操作系统默认区域,含中文的路径
    for(int i=0;i<3;i++)
    {
        cout<<"argv["<<i<<"]= "<<argv[i]<<endl;
    }
    if(argc!=3)
    {
        cout<<"File name missing!"<<endl;
        return 0;
    }
    ifstream inFile(argv[1],ios::binary|ios::in);
    //setlocale(LC_ALL,"C");//还原
    if(!inFile)
    {
        cout<<"Source file open error."<<endl;
        return 0;
    }
    ofstream outFile(argv[2],ios::binary|ios::out);
    //setlocale(LC_ALL,"C");//还原
    if(!outFile)
    {
        cout<<"New file open error."<<endl;
        inFile.close();
        return 0;
    }
    char c;
    while(inFile.get(c))
        outFile.put(c);
    outFile.close();
    inFile.close();
    return 0;
}

文件合并与复原
合并程序:merge.exe
命令行敲 :
merge –e file1 file2 file3 …. result.dat
则将 file1, file2, file3 … 等一系列文件合并成一个文件,名为 result.dat。 -e表示合并
merge –x result.dat
则将result.dat里打包的文件解出来放在当前文件夹下  -x表示要解开 ,须保持原来的文件名

#include <iostream>
#include <fstream>
#include <string.h>
using namespace std;

int main(int argc,char* argv[])
{
    char t=argv[1][1];
    if(t=='e')
    {
        ofstream outfile(argv[argc-1],ios::binary|ios::out);
        if(!outfile)
        {
            cerr<<"result file open error."<<endl;
            return 0;
        }
        for(int i=2;i<argc-1;i++)
        {
            ifstream infile(argv[i],ios::binary|ios::in);
            if(!infile)
            {
                cerr<<"file open error."<<endl;
                return 0;
            }
            //写文件名
            int j=0;
            while(argv[i][j])
            {
                outfile.put(argv[i][j]);
                j++;
            }
            outfile.put('#');
            //写文件内容
            char c;
            while(infile.get(c))
                outfile.put(c);
            outfile.put('#');
            infile.close();
        }
        outfile.close();
    }
    if(t=='x')
    {
        ifstream infile(argv[argc-1],ios::binary|ios::out);
        if(!infile)
        {
            cerr<<"result file open error."<<endl;
            return 0;
        }
        char p[30];
        char q[100000];
        while(infile.getline(p,30,'#'))
        {
            ofstream outfile(p,ios::binary|ios::out);
            if(!outfile)
            {
                cerr<<"new file open error."<<endl;
                return 0;
            }
            memset(p,0,sizeof(p));
            if(infile.getline(q,100000,'#'))
            {
                int len=strlen(q);
                for(int i=0;i<len;i++)
                    outfile.put(q[i]);
                memset(q,0,sizeof(q));
            }
            outfile.close();
        }
        infile.close();
    }
    return 0;
}




  • 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