博客
关于我
C++类的构造函数
阅读量:673 次
发布时间:2019-03-16

本文共 807 字,大约阅读时间需要 2 分钟。

1 常规写法

在C++编程中,类的构造函数是类对象创建的入口。以下是一个常规的定义方法:

class Student {private:    string _name;    char _sex;    int _age;public:    Student(string name, char sex, int age) {        _name = name;        _sex = sex;        _age = age;    }};

这个代码中,构造函数通过将参数赋值给对应的成员变量来初始化对象。这种写法直观简单,但在变量较多时可能显得冗长。

2 初始化列表赋值方法

为了提高代码的可读性,特别是在类成员较多时,C++提供了初始化列表的写法:

class Student {private:    string _name;    char _sex;    int _age;public:    Student(string name, char sex, int age) : _name(name), _sex(sex), _age(age) {    }};

在这个例子中,构造函数的实现部分简化为一行语句 _name(name), _sex(sex), _age(age)。这种写法的意义在于直接将初始化列表中的值赋给对应的成员变量,而无需在函数体中逐一写出赋值语句。

需要注意的点:

  • 写法简便:初始化列表赋值在变量较多时特别方便,直接明了,减少了赋值语句的数量。
  • 灵活应用:可以选择性地初始化部分成员变量,而不是全部。
  • 初始化顺序无关:成员变量的初始化顺序遵循类中定义的顺序,与初始化列表中的顺序无关。
  • 这种写法虽然不会提高效率,但在代码可读性方面起着重要作用。正确使用初始化列表可以提升代码的质量和可维护性。在实际编码中,根据具体需求选择合适的赋值方式以达到最佳效果。

    转载地址:http://fzxqz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>