模拟实现库函数strlen strcpy strcmp strcat

模拟实现库函数strlen strcpy strcmp strcat

1.模拟实现strlen

strlen的作用是判断字符串的长度,知道空结束字符,但不包括空结束字符.

例如一个字符串为"abcdef\0" 则该字符串的长度为6,其中\0为结束标志,不计数.

接下来,我使用两种方法来实现strlen

#include<stdio.h>
#include<string.h>
int  my_strlen1(char* p)
{
    int len = 0;
    while (*p != '\0')
    {
        len++;
        p++;
    }
    return len;
}
int my_strlen2(char* p)
{
    if (*p != '\0')
    {
        return 1 + my_strlen2(++p);
    }
    else
        return 0;
}
int main()
{
    char a[] = "abcdefg";
    int len1 = strlen(a);
    int len2 = my_strlen1(a);
    int len3 = my_strlen2(a);
    printf("%d\n%d\n%d", len1, len2,len3);
    return 0;
}

在上述方法中 my_strtlen1使用的是迭代方法,及通过while循环来判断\0的位置,来判断字符串的长度.

my_strlen2使用的方法为递归,当找到\0之后结束递归,返回之前统计字符的个数.

下面为代码运行结果图

运行结果图

2.模拟实现strcpy

strcpy的作用是将一个字符串的内容复制到另一个字符串里面.需要注意的是如果目标数组不够大,而源字符串的长度又太长,可能会造成缓冲溢出的情况。

方法如下:

#include<stdio.h>
void my_strcpy( char*a,char *b)
{
    int num = 0;
    while (*(a + num) != '\0')
    {
        *(b + num) = *(a + num);
        num++;
    }
    *(b + num) = '\0';
}
int main()
{
    char a[10] = "abcdef";
    char b[10] = "";
    printf("%s\n", b);
    my_strcpy(a, b);
    printf("%s", b);
    return 0;
}

由于字符串不能使用=直接赋值,所以需要通过循环来对目标字符数组进行一一赋值.当原数组某个字符不是\0时赋值,当结束后,在目标数组的结束位置添加一个\0来表示该函数已经实现完毕.

代码运行图:

运行结果图

3.模拟实现strcat

strcat实现字符串的拼接,将源字符串拼接到目标字符串的尾部.

方法如下:

#include<stdio.h>
void my_strcat(char* a,const char* p)
{
    while (*a != '\0')
    {
        a++;
    }
    while (*p != '\0')
    {
        *a = *p;
        a++;
        p++;
    }
    *a = *p;
}
int main()
{
    char a[20] = "abcdef";
    char b[20] = "aaabbb";
    printf("%s\n", a);
    my_strcat(a, b);
    printf("%s", a);
    return 0;
}

首先先找到目标字符串的\0的位置,接下来从\0所在位置开始进行赋值,方法同strcpy,最后记得在目标字符串结束的位置添加\0.

代码运行图:

代码运行图

4.模拟实现strcmp

strcmp时比较两个字符串大小,两个字符串自左向右逐个字符相比(按 ASCII 值大小相比较),直到出现不同的字符或遇 \0 为止.

该函数返回值如下:

  • 如果返回值小于 0,则表示 str1 小于 str2。
  • 如果返回值大于 0,则表示 str1 大于 str2。
  • 如果返回值等于 0,则表示 str1 等于 str2。

方法如下:

#include<stdio.h> void print(int num) { if (num == 1) { printf("第一个字符串大于第二个字符串\n"); } else if (num == -1) { printf("第一个字符串小于第二个字符串\n"); } else { printf("第一个字符串等于第二个字符串\n"); } } int my_strcmp(char* a, char* b) { while (a != '\0') { if (a > b) { return 1; } else if (a < *b) { return -1; } a++; b++; } return 0; } int main() { char a[20] = "abcdef"; char b[20] = "abcdgef"; int num=my_strcmp(a, b); print(num); char c[20] = "abcdef"; char d[20] = "abcdef"; num = my_strcmp(c, d); print(num); char e[20] = "abddef"; char f[20] = "abcdef"; num = my_strcmp(e, f); print(num); return 0; }

在该函数中,对字符串的内容进行一一比较即可.

代码运行图:

代码运行图

结束语

本次我们通过自己写的代码实现了库函数的使用,其中strcpy和strcat函数实现可以通过do-while循环来实现,可以直接在循环里面加入\0,不需要出循环在添加,感兴趣的朋友可以进行尝试.

  • 6
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论 4
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

打赏作者

sleepymonstergod

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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