C++

　　static 有兩種用法：面向過程程式設計中的 static 和物件導向程式設計中的 static。前者應用於普通變數和 函數，不涉及類；後者主要說明 static 在類中的作用。　　面向過程設計中的 static 全域變數、局部變數、靜態全域變數、靜態局部變數的區別　　C++變數根據定義的位置的不同的生命週期，具有不同的範圍，範圍可分為 6 種：全域範圍，局部範圍，語句範圍，類範圍，命名空間範圍和檔案範圍。　　從範圍看：

boost.python 中 python 嵌入c++ 部分,網上找到的中文資料似乎都有些過時了,如 boost.python學習筆記 http://edyfox.codecarver.org/html/boost_python.html在boost.python版本2中,提供更加簡潔易用的介面,我們可以使用從而代替原始的PyRun_SimpleString等等python c 轉換api. 關於python與C++混合編程,事實上有兩個部分 extending   所謂python

    這個問題是在我嘗試利用pygraphviz嵌入我的C++代碼繪製二叉樹的時候發現的.找了半天資料,這裡我把幾種常用的C++調用PYTHON利用 boost.python 的方法作一個總結,希望能讓別人少走彎路,因為有些內容還找不到中文文檔,雖然都不難但是開始摸索還是費時間的.     我個人認為boost.python真的是非常的COOL,基本上不需要去學習那個看了就頭大用著也不方便的python c api了,唯一的缺點是目前相關的資料太少,甚至官網上也解釋不夠詳細.    

GenVoca 架構GenVoca是一種軟體架構，與policy-based架構類似的是，它的最終成品也是由各個組件組裝而成的，但是組織的方式有所不同。在Policy-based架構中，組件作為具體的policy實現被添加到host class以實現相應的功能，而在GenVoca中組件作為wrappers (layers) on top of a more basic components adding functionality to

      在實際的開發過程中，我們的項目或產品通常都會用到一些第三方開源組件或商業組件，以協助開發人員實現一些特定的通用功能，如xml解析，Regex解析和資料壓縮等。一般而言，只有在這兩者均無法滿足現有需求的情況下，我們才會考慮自行研發。因為適當的應用第三方組件可以保證開發人員能夠將更多的精力投入到產品的核心演算法和核心商務邏輯上，從而確保產品的開發週期和產品品質均能達到客戶與公司滿意的程度。     

    Lua是一種嵌入式指令碼語言，即Lua不是可以單獨啟動並執行程式，在實際應用中，主要存在兩種應用形式。第一種形式是，C/C++作為主程式，調用Lua代碼，此時可以將Lua看做“可擴充的語言”，我們將這種應用稱為“應用程式代碼”。第二種形式是Lua具有控制權，而C/C++代碼則作為Lua的“庫代碼”。在這兩種形式中，都是通過Lua提供的C API完成兩種語言之間的通訊的。    1. 基礎知識：    C

Regex能根據設定匹配各種資料（比如：e-mail地址，電話號碼，身份中號碼等等）。Regex功能強大，使用靈活，C#，Java，JavaScript等多種語言都支援Regex。在互連網上“抓取資料”更是少不了使用Regex。今天我要說的是在C#中使用Regex自動匹配並擷取所需要的資料。從下面是某個IP查詢網站返回查詢結果的一個部分（字串），現在就是要從這個字串中擷取“查詢結果1：”後面的“北京市

代碼 Code highlighting produced by Actipro CodeHighlighter

重寫 WndProc 實現對最大化、最小化、關閉按鈕事件的攔截，使程式按自己的方式運行:

五大記憶體分區在C++中，記憶體分成5個區，他們分別是堆、棧、自由儲存區、全域/靜態儲存區和常量儲存區。棧，就是那些由編譯器在需要的時候分配，在不需要的時候自動清楚的變數的儲存區。裡面的變數通常是局部變數、函數參數等。堆，就是那些由new分配的記憶體塊，他們的釋放編譯器不去管，由我們的應用程式去控制，一般一個new就要對應一個delete。如果程式員沒有釋放掉，那麼在程式結束後，作業系統會自動回收。自由儲存區，就是那些由malloc等分配的記憶體塊，他和堆是十分相似的，不過它是用free來結束自

      C++中的虛函數的作用主要是實現了多態的機制。關於多態，簡而言之就是用父類型別的指標指向其子類的執行個體，然後通過父類的指標調用實際子類的成員函數。這種技術可以讓父類的指標有“多種形態”，這是一種泛型技術。所謂泛型技術，說白了就是試圖使用不變的代碼來實現可變的演算法。比如：模板技術，RTTI技術，虛函數技術，要麼是試圖做到在編譯時間決議，要麼試圖做到運行時決議。

最近在弄一些東西，需要在命令列下調用gcc，所以我特地在網上找了一些關於gcc的資料，現在就記錄下來方便日後查看吧。gcc and g++分別是gnu的c & c++編譯器 gcc/g++在執行編譯工作的時候，總共需要4步 1.預先處理,產生.i的檔案[前置處理器cpp] 2.將預先處理後的檔案不轉換成組合語言,組建檔案.s[編譯器egcs] 3.有彙編變為目標代碼(機器代碼)產生.o的檔案[彙編器as] 4.串連目標代碼,產生可執行程式[連結器ld]

 之前看到lvalue,rvalue,const lvalue,non-const lvalue,non-const rvlue?! 被搞的一直在雲端運算中…,不理解C++0X右值引用能幹些啥,看到這篇,標記一下原文: Rvalue References: C++0x Features in VC10, Part 2 譯文: VC2010中的C++0x特性 Part 2：右值引用原譯作應當是:http://www.cppblog.com/kesalin/archive/2009/06/01/86

添加引用sqldmo.dll安裝了SqlServer2000 就有了，在添加引用中找它最好使用SQL Server 2000的SP3的sqldmo.dllusing SQLDMO;   SQLDMO.ApplicationClass sqlApp = new SQLDMO.ApplicationClass();   SQLDMO.NameList nameList;   int i = 0;   nameList =

用C#實現一個映像邊緣檢測演算法，處理一個300*375的圖片竟然用了2.38s，吐血。用VSTS的程式碼分析工具發現，GDI+裡面的GetPixel()這個函數竟然佔用了已耗用時間的53.92%而SetPixel()佔用了7.14%，光是映像的讀入和輸出就佔了60%+(見圖1)。這樣的速度可受不了。稍微分析一下就能得出原因，Bitmap是一個通用類，可以用來處理多種映像格式，因此GetPixe()l和SetPixel()的效率自然會在諸多分支跳轉中受到拖累，再加上這兩個函數被頻繁反覆調用，對程

On DotNet Board of USTC BBS, orochi recommended a book named “Functional Programming For The Real World”. It demonstrates advantages of functional programming towards traditional imperative programming, which inspires me a lot. Here, I will first

類似VS中添加類 A的方法 int abc();會在對應的實現檔案.cpp中自動產生,int A::abc() {}初學python，嘗試寫了一個指令碼，自動根據寫好的.h檔案完成這一工作，也支援模板類，不過沒考慮太多模板可能會有bug。也可能會有很多其他的bug，不過用了下，感覺還可以，有錯誤再改正：）用法比如有一個abc.h，對應的實現檔案abc.cc1.建立一個abc.cc檔案  touch abc.cc2.運行指令碼  ./prodef.py  abc.h abc.cc  

引言最近在找C++的數值庫，最後終於找到一個近乎完美的eigen,介面優雅，使用方便，速度快，文檔詳盡。。。 幾乎沒有缺點，缺點可能是庫的設計者要辛苦一些。。。。另外疏鬆陣列的部分還在開發階段沒有完全成熟。裡面提到了矩陣相乘相加等等可以直接用 D =A * B *C 這樣寫，而不是類似boost::ublas(這個庫的好處是在boost下，其它的比eigen差遠了。。個人覺得）要寫成 prod(A,B)。為什麼ublas不用運算子號重載呢？

最近寫個小東西,遇到模板的一個報錯,挺有意思的,錯誤碼如下 1 #include<iostream> 2 #include<set> 3 using namespace std; 4  5 template <class T> 6 void Set2Str(set<T> inset) 7 { 8     //typename T::iterator itset; 9     set<T>::iterator itset;10 }11 1

http://hi.baidu.com/diablomt/blog/item/df45828ff343a419b31bbaed.htmlhttp://hujw0710.blog.163.com/blog/static/8797282200852841732308/ http://hi.baidu.com/guoangang123/blog/item/0e0b483ead07363370cf6c5e.htmlhttp://hi.baidu.com/17cpp/blog/item/a46bfd13a