length 和 size 辨析

C++中size()与length()函数深度解析:从STL容器到字符串处理 在C++编程中,容器和字符串操作是基础且高频的技术点。理解STL(标准模板库)的设计哲学,掌握其提供的统一接口,是编写高效、健壮代码的关键。容器通过`size()`函数提供了一种泛型编程的通用标尺,它返回无符号整数类型`size_t`,用于获取元素数量,这一设计支撑了迭代器和算法库的协同工作。而字符串作为特殊序列,除了`size()`外还提供了`length()`函数,两者在功能上完全一致,但`length()`更符合“字符串长度”的语义直觉,体现了接口设计中对历史习惯和代码可读性的考量。在实际工程中,正确 阅读详情
import java.util.*;

public class testLengthAndSize
{
    public static  void main(String[] args)
    {
        String[] a=new String[5];
        ArrayList aList=new ArrayList();
        testLengthAndSize[] test=new testLengthAndSize[5];

//        System.out.println("a.size="+a.size());                //no such method
        System.out.println("a.length="+a.length);
        System.out.println("a[0]="+a[0]);

//        System.out.println("aList.length="+aList.length);   //no such method or field
        System.out.println("aList.size="+aList.size());
//        System.out.println("aList.size="+aList.get(0));          //RuntimeExecption---IndexOutOfBoundsException

        System.out.println("test.length="+test.length);
//        System.out.println("test.size="+test.size());
        System.out.println("test[0]="+test[0]);

/** In Summary
"String" type has length() method;

"array" type does not have length() method; "static array" has length field;

"Dynamic array" type has "size()" method, but has neither length field nor length() method;
**/
        }
}
C++中size()与length()函数详解:从基础概念到实战应用 在C++编程中,容器和字符串操作是核心基础。理解容器大小与字符串长度的概念,是编写高效、健壮代码的关键。size()作为标准模板库(STL)的通用接口,用于获取序列容器的元素数量,体现了泛型编程的设计哲学;而length()则源于字符串处理的传统语义,特指线性结构的长度。在std::string中两者等价,但前者更具通用性。掌握它们的原理,能避免数组越界、多字节字符处理错误等常见陷阱,提升代码质量。本文结合C++标准库设计,深入解析size()与length()的异同、性能表现及在泛型编程、字符串处理等场景 阅读详情

相关推荐

功率谱密度 (PSD) 与功率谱 (PS) 辨析:3 个 MATLAB 案例揭示核心差异

本文通过3个MATLAB案例详细解析了功率谱密度(PSD)与功率谱(PS)的核心差异,包括基础概念、物理意义及工程应用选择。重点介绍了PSD在分析宽带随机信号和不同采样率系统比较中的优势,以及PS在离散频谱信号分析中的精确性,帮助工程师正确选择信号处理工具。

weixin_34216107的博客 401

length,length(),size()的区别

删除线格式 @TOC 区别如下: length:是针对数组来说的,如果写了一个数组,想要知道数组的长度,则可以使用这个属性; length():是针对字符串String来说的,如果想看这个字符串的长度则用length()这个方法; size():是针对泛型集合来说的,如果想要知道这个泛型集合中有多少元素,即可使用size()这个方法。 欢迎使用Markdown编辑器 你好! 这是你第一次使用 M...

Xueyinnnnn的博客 1015

手把手教你用Gazebo插件实现阿克曼底盘仿真(附Navigation2适配指南)

本文提供了一份完整的ROS2 Navigation2与Gazebo阿克曼底盘仿真全栈指南。从阿克曼运动学原理出发,详细讲解了如何构建URDF/SDF模型、集成gazebo_ros_ackermann_drive插件并进行PID调优,并重点阐述了如何深度适配Navigation2,包括配置Ackermann运动模型、调整规划器与恢复行为,最终实现从建图到自主导航的全流程仿真。

weixin_29310631的博客 400

length、length()、size() 的区别

size():size()是集合类(如List、Set、Map等)的方法,用于获取集合中元素的个数或映射表的大小。length:length是一个关键词,主要用于获取数组的长度。对于数组来说,length是一个公有的实例变量,通过数组对象的属性来获取数组的长度。length():length()是一个字符串(String)对象的方法,用于获取字符串的长度。需要注意的是,不同类型的对象使用不同的方法来获取其长度或大小。length适用于数组,length()适用于字符串,size()适用于集合类。

maoyudashen的博客 1万+

NotebookLM平替实测:用Open Notebook+Ollama零成本搭建私有AI知识库

本文提供了一份详细的实战指南,教你如何利用Open Notebook与Ollama,在本地零成本搭建一个功能强大且完全私有的AI知识库。通过Docker容器化部署,实现数据绝对安全、模型自由选择与离线运行,是NotebookLM等云端工具的绝佳平替方案,尤其适合注重数据隐私的教育工作者、研究者及小团队。

weixin_29052717的博客 515

Codesys电子凸轮功能块MC_CamIn的masteroffset和slaveoffset参数的使用

问题1:在Codesys使用作轴电子凸轮时,MC_CamTableSelect的参数设置为MasterAbsolute=1,SlaveAbsolute=1,此设置为绝得模式, 此时主从轴当前位置都不为零时,此时Masteroffset=0、slaveOffset=0,凸轮启时出现突变,实轴无法启动。问题分析:在觉得模式下,主轴位置和从轴为是对应凸轮表的相位的,Masteroffset=0、slaveOffset=0,启动点时在主轴位置=0,从轴位置=0的点启动,此时主轴当前位置不为零则主从轴位置发生突变,

weixin_43587371的博客 1802

微机原理之汇编 (三) 表达式,部分中断 学习笔记

文章目录一,表达式1. 算数运算符2. 逻辑运算符3. 关系运算符4. 分析运算符(1) OFFSET(2) SEG(3)TYPE5. 修改属性运算符1. 段操作符2. PTR3. HIGH 和 LOW二,指令语句三,宏指令语句1. 宏定义2. 宏调用3. 宏展开(不用管。。)4. 宏嵌套5. 宏定义中的标号和变量6.其他宏指令语句7.宏定义与子程序的区别三,DOS 系统功能调用1.程序结束软中...

苹果好吃呀的博客 2136

飞腾UEFI配置GPIO—飞腾FT2000/4 (D2000/8) GPIO引脚配置及使用

讲解了在飞腾UEFI代码中如何添加GPIO配置相关代码,并以GPIO1_B0—B7为例,将这8个引脚配置为GPIO工作模式并默认输出低电平

qq_30135687的博客 5350

汇编语言 数值回送操作符(type,size,length)

1. type    格式为 type  expression     如果该表达式是变量,则返回该变量的以字节数表示的类型,DB为1,DW为2 ,DD为4,DF为8....  如果表达式是标号,则返回代表该标号的数值类型,NEAR是-1,FAR为-2。如果表达式是常数,则应该回送0 。   2 length  对于变量中使用DUP 的情况,返回分配的单元数(例如  3 dup(?))...

untilyouydc 1万+

DRM全解析 —— encoder详解(3)

DRM全解析 —— encoder详解(3)

phmatthaus的专栏 493

98DX3236内核编译过程小结

0.条件(1)Marvell技术支持提供的压缩文件:GNU EABI:arm-mv5sft-linux-gnueabi_SW3.2.tar.bz2.tar.bz2armebv7-marvell-linux-gnueabi-softfp_i686_201201.tar.bz2CPSS代码:Cpss-PP-DxCh-4.2_012.zipLinux内核文件:lsp-4.2_012.zipLSP-Uni...

snaking616 1808

汇编中的length(返回利用dup定义的数组中的元素个数,即重复操作符dup前的count值)

LENGTH是属于析值操作符之一,也称为数值回送操作符,原因是这些操作符把一些特征或存储器地址的一部分作为数据返回。length的用法:length 变量名 。作用是返回利用dup定义的数组中的元素个数,即重复操作符dup前的count值。 例如有 varw db 1234h | buffer db 10 dup (0) length varw ;返回1给cx length bu...

deniece1的博客 5047

Spring Framework 7.002.Spring IoC 容器与 Bean 简介(Introduction to the Spring IoC Container and Beans)

摘要:Spring框架的核心技术包括IoC容器和AOP技术。IoC容器通过依赖注入实现控制反转,提供Bean管理和配置功能。ApplicationContext作为BeanFactory的扩展,增加了企业级特性。文档详细介绍了容器配置、Bean定义、依赖注入、作用域等核心概念,以及基于注解的配置方式。AOP框架支持80%的AOP需求,并可集成AspectJ。此外还涵盖环境抽象、容器扩展点等高级特性,为Java企业应用开发提供全面支持。(150字)

无 215

java中的length,length()和size()的辨析

length()是方法,常用于 字符串 之后,表示字符串中所包含。(List,Set,Map)之后,表示集合容器中所含元素的个数。单独的length是针对 数组 而言,表示声明数组的长度,也即。:char字符没有length()方法。,它是数组的一个属性,而不是方法。size()也是方法,用于。

weixin_45299139的博客 604

30、模态组合规则在振动分析中的应用

本文详细介绍了模态组合规则在振动分析中的应用,重点讨论了绝对峰值叠加法(SRSS)和完全二次组合(CQC)的理论基础、应用场景及优缺点。通过具体工程实例,展示了模态组合规则在地震载荷下结构响应分析中的实际效果,并提供了应用步骤和注意事项,为结构设计和安全评估提供了科学依据。

nice1的博客 222

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

辨析sizeof,strlen,length和size

(4)size()也是成员函数,C++中size()函数除了跟length()函数一样可以获取字符串长度之外,还可以获取vector类型或者其他的一些STL容器类型的长度;(3)length()是一个成员函数 C++中length()函数用来获取字符串长度。(2)strlen()是库函数,返回字符串本身长度,且不包含‘\0’;(1)sizeof()是一个运算符,用于计算变量所占内存空间的大小;sizeof(a)是指出整个数组大小,而不是数组a的元素个数;

m0_62928716的博客 387

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

SiameseUniNLU实战指南:基于config.json定制化调整最大序列长度与batch_size

本文介绍了如何在星图GPU平台上自动化部署nlp_structbert_siamese-uninlu_chinese-base特征提取模型(二次构建版),通过定制config.json灵活调整max_seq_length与batch_size,显著提升中文短文本语义匹配与意图识别效率,适用于客服对话分析、电商评论NER等典型NLU任务。

weixin_34547628的博客 367

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

C++中sizeof、strlen、length与size函数的本质区别与实战应用

在C++编程中,理解数据的内存布局与运行时内容是关键基础。编译时运算符sizeof用于获取类型或对象的内存字节数,它基于类型信息在编译期完成计算,常用于内存分配、结构体对齐及静态数组元素计数。运行时函数strlen则遍历C风格字符串直到空字符,返回字符长度,其O(n)复杂度在长字符串处理中可能成为性能瓶颈,且对缓冲区安全至关重要。现代C++的std::string通过封装提供了length()和size()成员函数,两者功能完全一致,均以O(1)复杂度返回字符数,并与STL容器接口统一,提升了安全性与泛型编

weixin_30267785的博客 653

【C++String类成员函数辨析】resize(),size(),capacity(),reserve()函数的解析与对比

朋友们好,这篇播客我们继续C++的初阶学习,现在对我们对C++的string类中的几个内存空间函数做出总结对比,整理出来一篇博客供我们一起复习和学习,如果文章中有理解不当的地方,还希望朋友们在评论区指出,我们相互学习,共同进步!这几个函数相对来说还是很好理解,我们就不对其再做具体介绍,看一段代码即懂! ⚠️代码示例: ⭐️:结果输出 代码解释:size和length函数的功能都是计算字符串大小,capacity函数计算为字符串分配的内存空间。尽管我们调用clear()函数清空了字符串内容,但是其容量依然不变

qq_43727529的博客 3340

C++求数组、字符数组和字符串的长度常用方法与区别辨析【自用总结】

C++语法中,求解字符串与字符数组长度的方法,以及对方法之间的区别联系做了详细辨析

LNSTOP的博客 1305

C/C++中size_t类型详解:从内存越界崩溃到健壮代码实践

在C/C++编程中,整数类型的选择直接影响程序的健壮性和可移植性。整数溢出是常见的底层漏洞来源,当循环索引或内存大小计算超出类型表示范围时,会导致内存越界访问等严重问题。size_t作为C/C++标准定义的无符号整数类型,专门用于表示对象大小和数组索引,其位宽与指针一致,确保能表示当前平台任何对象的大小。这一设计解决了跨平台可移植性难题,使开发者无需关心32位或64位系统的差异。在工程实践中,正确使用size_t能从根本上防止因整数溢出引发的崩溃,特别是在处理图像处理、大数据缓冲等需要大尺寸内存操作的场景。

weixin_34166472的博客 483

获取C/C++字符串、字符数组长度

https://blog.youkuaiyun.com/m0_37592397/article/details/79701992 在C/C++中常用的获取字符串长度或者字符串数组长度的函数有 sizeof() length() strlen() size() 其中strlen(str)和str.length()和str.size()都可以用来求字符串的长度 str.length()和str.size()是...

NRGAGA的专栏 3508

C语言中%zu与%zd格式符详解:解决size_t跨平台格式化输出难题

在C语言编程中,整数类型的格式化输出是基础但关键的操作,它直接关系到程序的可移植性与内存安全。printf系列函数的格式化规则基于类型系统,通过格式说明符指定参数的内存解释方式。若类型与格式符不匹配,可能导致数据截断、未定义行为等隐蔽错误,这在跨平台开发中尤为突出。C99标准引入的%zu和%zd格式符,正是为了解决size_t和ssize_t这类平台相关类型的格式化难题。它们能自动适配不同架构下类型长度的差异,确保代码在x86、ARM及不同操作系统间的一致行为。正确使用这些格式符,能有效避免内存泄漏排查中因

weixin_30855761的博客 319

大模型训练核心:模仿学习与强化学习的角色辨析与实践指南

在机器学习领域,模仿学习和强化学习是两大核心范式。模仿学习通过拟合专家数据分布来学习行为模式,其本质是监督学习,旨在最小化预测误差。强化学习则通过与环境交互、依据奖励信号优化策略来最大化累积回报。在工程实践中,模仿学习因其数据效率高、训练稳定,常被用于构建模型的基础能力,例如在自然语言处理中预训练语言模型。而强化学习则更适用于优化复杂、多目标的对齐问题。当前,在大语言模型的技术栈中,模仿学习(包括预训练和有监督微调)承担了注入语言能力与知识的核心工作,是模型能力的基石;强化学习(如RLHF)则在此基础上进行

weixin_30709061的博客 360

SAP ABAP 结构体Structure、内表Internal Table定义的相关辨析

结构体与内表的定义结构体Structure内表Internal Table 结构体Structure 结构体是一种数据类型,它是把多个具有类似功能性质的简单类型变量打包成一个整体,方便在编写代码时调用这些变量,其存在的意义就是为了方便程序代码的管理与操作。 结构体不属于数据字典对象,在程序运行时会被作为临时对象创建。 定义结构体实例1 * 先声明结构体类型,TYPES关键字一般用于声明某种数据类型 Types: BEGIN OF t_ren, name TYPE c LENGTH 20, c

Cruise_bolg的博客 4369

获取字符串、字符数组的长度

在C/C++中常用的获取字符串长度或者字符串数组长度的函数有 sizeof() length() strlen() size() 其中strlen(str)和str.length()和str.size()都可以用来求字符串的长度 。 str.length()和str.size()是用于求string类对象的成员函数 strlen(str) 是用于求字符串数组的长度,其参数是char* 辨析strl...

weixin_43902941的博客 3825
上一篇: 抽象类和接口的区别
下一篇: HTML表单Form中的get和post方法
Fitzwilliam
博客等级 码龄21年 10粉丝 92原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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