<2021SC@SDUSC> 开源游戏引擎 Overload 代码模块分析 之 OvTools(四)—— Utils(上)

本文是开源游戏引擎 Overload 模块 OvTools 的第四篇分析,主要探讨 Utils 模块中的 PathParser 和 Random 部分。PathParser 类提供了处理路径的工具,如转换路径风格、获取文件扩展名等,而 Random 类则实现了随机数的生成与检查。文章详细分析了这两个部分的代码实现,揭示了它们如何利用 C++ 标准库完成功能。

2021SC@SDUSC
开源游戏引擎 Overload 代码模块分析 之 OvTools(四)—— Utils(上)

前言

本篇是开源游戏引擎 Overload 模块 OvTools 的第四篇分析,想大致了解 Overload 可前往这篇文章,想看其他相关文章请前往笔者的 Overload 专栏自主选择。

本篇将探究 OvTools 的最后一个小模块:Utils,我们先来大致了解其文件有哪些并计划一下探究进程吧!

Utils 模块概述与探究计划

Utils 模块是多种工具(例如随机数生成、系统调用等)的集合,其包含文件如下:
Utils list1
Utils list2
显然,该小模块包括了 PathParser、Random、ReferenceOrValue、SizeConverter、String、SystemCalls 六个部分。笔者快速浏览了一下代码长度与复杂度,计划分为三篇文章进行探究。本篇我们将先探究前两个部分:PathParser 与 Random

分析

1、PathParser

1.1 PathParser.h

1.1.1 头文件

该文件仅包含了一个 string 头文件,不多赘述:

#include <string>
1.1.2 主体代码

该文件的主体代码是一个 PathParser 类及其函数定义,该类的作用是提供一些工具来获得给出路径的相关信息,代码如下:

class PathParser
	{
   
   
	public:
		enum class EFileType
		{
   
   
			UNKNOWN,
			MODEL,
			TEXTURE,
			SHADER,
			MATERIAL,
			SOUND,
			SCENE,
			SCRIPT,
			FONT
		};

		/**
		* Disabled constructor
		*/
		PathParser() = delete;

		/**
		* Returns the windows style version of the given path ('/' replaced by '\')
		* @param p_path
		*/
		static std::string MakeWindowsStyle(const std::string& p_path);

		/**
		* Returns the non-windows style version of the given path ('\' replaced by '/')
		* @param p_path
		*/
		static std::string MakeNonWindowsStyle(const std::string& p_path);

		/**
		* Returns the containing folder of the file or folder identified by the given path
		* @param p_path
		*/
		static std::string GetContainingFolder(const std::string& p_path);

		/**
		* Returns the name of the file or folder identified by the given path
		* @param p_path
		*/
		static std::string GetElementName(const std::string& p_path);

		/**
		* Returns the extension of the file or folder identified by the given path
		* @param p_path
		*/
		static std::string GetExtension(const std::string& p_path);

		/**
		* Convert the EFileType value to a string
		* @param p_fileType
		*/
		static std::string FileTypeToString(EFileType p_fileType);

		/**
		* Returns the file type of the file identified by the given path
		* @param p_path
		*/
		static EFileType GetFileType(const std::string& p_path);
	};

构造函数默认删除,之前的文章已讲述过;其他函数的作用已有英文注释,不多赘述;代码定义了 enum 限定的枚举类变量 EFileType,内含以文件功能分类的文件类型名(如模型 MODEL、纹理 TEXTURE 等),所以函数操作仅能从类内给出的这些值中选择返回。

由此可以看出,该类可以处理判断路径指向文件的功能类型或以需求的方式(例如更改为 Windows 格式等)输出等,具体实现方式让我们看看 PathParser.cpp 文件:

1.2 PathParser.cpp

1.2.1 头文件
#include <algorithm>
#include "OvTools/Utils/PathParser.h"

除了 PathParser.h 外,该文件还包含了 algorithm。该头文件属于 C++ 标准库,能提供多种算法函数,例如常用的 sort(),stable_sort(),partical_sort(),nth_element() 等等。

1.2.2 主体代码

主体代码都是函数具体定义,让我们一个个看:

MakeWindowsStyle() 函数
std::string OvTools::Utils::PathParser::MakeWindowsStyle(const std::string & p_path)
{
   
   
	std::string result;
	result.resize(p_path.size());

	for (size_t i = 0; i < p_path.size(); ++i)
		result[i] = p_path[i
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论 1
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