黑马程序员_Objective-C基础知识

黑马程序员——Objective-C语言知识整理——Objective-C语言基础知识总结 Objective-C语言基础知识以及与C语言的差异 阅读详情


---------------------- <a href="http://www.itheima.com"target="blank">ASP.Net+Unity开发</a>、<a href="http://www.itheima.com"target="blank">.Net培训</a>、期待与您交流! ----------------------

黑马程序员_Objective-C基础知识

                                                                                    XcodeRush


        今天开始学习Objective-C语言的基础知识啦!


        Objective-C在C语言的基础上增加了一层最小的面向对象的语法。Objective-C完全兼容C语言,可以在Objective-C代码中混入C语言代码,甚至是C++的代码。     

Objective-C源文件的扩展名是.m,C++代码的话就是.mm。可以使用Objective-C语言开发Mac OS X平台和iOS平台的应用程序。
Objective-C在编程语言关注排行榜中的排名不断攀升,这表明国内的Objective-C开发人员在不断的增多。

一、Objective-C的基本语法

1、Objective-C的关键字:基本上所有关键字都是以@开头。
常见的关键字有:@interface; @implementation; @end; @public; @protected;
@private; @selector; @try; @catch; @throw; @finally; @protocol; @optional;
@required; @class; @property; @synthesize; @dynamic;
self; super; id; _cmd; _block; _strong; _week;

2、Objective-C语言中的字符串是以@开头的。
比如:”Hello, World”是C语言中的字符串;而@”Hello, World”则是Objective-C中的字符串。在Objective-C语言中尽量不要使用C语言字符串;尽量使用@开头的Objective-C字符串。

3、Objective-C的其他语法
基本数据类型:char; int; float; double; BOOL(YES/NO);
nil: 相当于C语言中的NULL, 也就是0;
基本语句:循环语句(do while; while; for);条件语句(if; if-else; switch);
注释://; /*…*/;
屏幕输出:NSLog(@”Hello, World!”); NSLog(@”age is %i”, 123);

二、 Objective-C程序的开发过程
.m源文件编译成.o目标文件,然后再连接成.out可执行文件
链接:把项目中所有相关联的.o目标文件跟C函数库合并在一起生成一个可执行文件。

三、 第一个Objective-C程序
#include <stdio.h>
// OC程序的入口:main函数
int main()
{
printf(“Hello, World!\n”);
return 0;
}
Objective-C程序完全兼容C语言程序。

四、 第二个Objective-C程序
如果程序用到了Foundation框架中的东西,链接时就必须添加Foundation框架信息。
添加方法:-framework Foundation添加Foundation框架。
NSLog函数会输出日志信息。
首先学好Foundation框架。
每一个框架中都有许多头文件;如果想使用这个框架的所有头文件,只需要包含这个框架的主头文件就可以了。每一个框架都有自己的主头文件(最主要的头文件)。每个框架的主头文件名都和框架名一样。
比如:Foundation框架的主头文件名:Foundation.h
UIKit框架的主头文件名:UIKit.h
程序只要包含Foundation框架的主头文件Foundation.h,就可以使用这个Foundation框架中的东西。
注意:不要私自改动框架文件中的内容。

相关代码:
/*
一、#import的用途:
1.跟#include一样,拷贝文件的内容;
2.可以自动防止文件的内容被重复拷贝;

二、#import <Foundation/NSObjCRuntime.h>
NSObjCRuntime.h中有NSLog函数的声明

三、Foundation框架头文件的路径
1.右击Xcode.app -> 显示包内容
2.Xcode.app/Contents/Developer/Platforms/iPhoneOS.platform/Developer/SDKs/
iPhoneOS6.0.sdk/System/Library/Frameworks/Foundation.framework

四、主头文件
1.主头文件:最主要的头文件,名字一般跟框架名称一样,包含了框架中的所有其他头文件
2.Foundation框架的主头文件名称就是Foundation.h
3.只需要包含Foundation框架的主头文件Foundation.h,就可以使用整个Foundation框架的东西

五、运行过程
1.编写OC源文件:.m\.c
2.编译:cc -c xxx.m xxx.c
3.链接:cc xxx.o xxx.o -framework Foundation
(只有用到了Foundation框架才需要加上-framework Foundation)
4.运行:./a.out
*/

// NSObjCRuntime.h中有NSLog函数的声明
// #import <Foundation/NSObjCRuntime.h>
// 只需要包含Foundation框架的主头文件,就可以使用整个框架的东西
#import <Foundation/Foundation.h>

int main()
{
// NSLog输出内容后会自动换行
NSLog (@"Hello, World!");

return 0;
}


五、 第三个Objective-C程序
分别编译源代码文件:
$cc –c one.m
$cc –c two.m
生成两个.o目标文件:one.o和two.o
链接两个.o目标文件生成.out可执行文件:
$cc one.o two.o –framework Foundation
相关代码:

// one.m
#import "two.h"

int main()
{
test();

return 0;
}

// two.h
void test();

// two.m

#import <Foundation/Foundation.h>

void test()
{
NSLog (@"test()...");
}


六、 第四个 Objective-C程序
演示:Objective-C程序完全兼容C语言程序。
直接编译链接:cc one.m two.h
相关代码:
// one.m
#import "two.h"

int main()
{
test();

return 0;
}

// two.h
void test();

// two.c
#include <stdio.h>

void test()
{
printf("test()...\n");
}


七、 BOOL类型
BOOL完全可以当作整型来用。实际上BOOL类型就是char类型。
Typedef signed char BOOL;
#define YES (BOOL)1
#define NO (BOOL)0
相关代码:
#import <Foundation/Foundation.h>

BOOL test(BOOL mybool)
{
return NO;
}

int main()
{
BOOL b = YES;

BOOL b2 = NO;

BOOL b3 = 1; // YES

BOOL b4 = 0; // YES

NSLog (@"%i", b);

NSLog (@"%i", test(YES));

return 0;
}







黑马程序员-通讯录 ------- android培训、java培训、期待与您交流! ---------- 这是黑马视频里用c语言实现的一个通讯录,包涵查找联系人,添加联系人,删除联系人等 功能全,代码简单,思路清晰,很适合初学者。 阅读详情

相关推荐

黑马程序员————C语言_练习题解题思路分析(一)

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! ------- 第一题:输入一英文句子,将其中所有单词首字符转换成大写后输出。 输入一英文句子,将其中所有单词首字符转换成大写后输出。

whqkgd55的专栏 1334

黑马程序员——iOS核心基础(17-18天)-黑马程序员-专题视频课程

C语言基础17-18天。其中包括OC类和对象创建、类方法和Xcode

heima_cxy的博客 293

Unidbg逆向阿里系App签名:从环境补全到算法还原实战

在移动安全与协议分析领域,理解应用层签名机制是核心挑战之一。签名算法作为保障通信安全与身份验证的关键技术,其原理通常涉及哈希、加密及密钥协商等基础密码学概念。在Android平台,核心签名逻辑常被加固并隐藏于Native层SO库中,以对抗动态调试与静态分析,这为安全研究和协议兼容带来了技术障碍。Unidbg作为一种基于模拟执行的逆向工程工具,通过模拟ARM指令集和系统调用,允许研究者在脱离真机环境的情况下,可控地执行和调试SO文件,为解决此类问题提供了创新思路。其技术价值在于实现了对加固代码的确定性分析与算

weixin_42525738的博客 941

黑马程序员 Objective-C入门

——- android培训、java培训、ios培训期待与您交流!一、Objective-C基础1.什么Objective-CObjective-C是C语言的一个扩展集。Objective-C是以C语言为基础,在语言中添加了一些微妙但意义重大的特性。 2.第一个Objective-C程序 #import <Foundation/Foundation.h> int main()

千江有水千江月,万里无云万里天。 836

手把手教你如何修改YOLO11的模型结构(以CBAM和可变性卷积为例)

YOLO11修改模型结构

2401_86807530的博客 1万+

用Multisim和74192芯片复刻经典:手把手教你搭建篮球24秒违例计时器(附仿真文件)

本文详细介绍了如何使用Multisim仿真平台和74192芯片构建篮球24秒违例计时器,涵盖时序逻辑电路设计、核心器件选型、仿真环境搭建及调试技巧。通过分步指导,帮助读者掌握数字电路设计的关键技术,并附赠仿真文件供实践参考。

weixin_27014595的博客 281

《黑马程序员C++》课程笔记总结

我的小站——半生瓜のblog 黑马程序员C++视频——黑马程序员匠心之作|C++教程从0到1入门编程,学习编程不再难 笔记列表&对应视频 基础部分(1-83)——如果你准备学习C++,并且有C语言的基础,我希望你能简单的过一遍知识点。 核心部分(84-146)——C++核心编程部分-内存分区模型-引用-函数提高-类与对象-文件操作 案例1(147-166)——职工管理系统——C++实现职工管理系统 进阶部分(167-263)——C++提高编程部分-泛型编程-STL 案例2(264-281)—.

半生瓜のblog 19万+

FPGA实战:用Verilog实现Costas环载波同步(附Vivado2019.2仿真步骤)

本文详细介绍了如何在FPGA上使用Verilog实现Costas环载波同步,包括核心原理、Vivado2019.2工程配置、代码实现及仿真验证。通过正交下变频、相位误差检测和环路滤波等关键模块的设计,帮助开发者掌握数字通信系统中的载波同步技术,并提供了实用的调试和优化技巧。

k0l1m2n3o的博客 137

黑马程序员——Objective-C介绍

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! ------- 1.历史        Cocoa和Objective-C是苹果公司OS X和iOS操作系统的核心。虽然OS X(尤其是iOS)出现的时间相对较晚,但Objective-C和Cocoa的推出则已有时日。早在20世纪80年代初,Brad Cox为了融合流行的、可以移植的C语言和优雅的Sma

Anne_lov的博客 1143

用Arduino Uno和纸板做个扫地机器人?手把手教你复刻一个低成本DIY方案(附完整代码)

本文详细介绍了如何用Arduino Uno和纸板制作一款低成本DIY扫地机器人,涵盖材料准备、机械结构设计、电路系统搭建和智能清扫算法实现。通过开源硬件和日常废弃物,打造极致性价比的创客项目,适合初学者学习电子和编程。

weixin_42531588的博客 285

即插即用系列(代码实践)| 2025 Strip R-CNN:大尺寸条形卷积——遥感目标检测新SOTA,专治细长目标(桥梁、船只)

摘要: 论文《Strip R-CNN: Large Strip Convolution for Remote Sensing Object Detection》针对遥感图像中细长目标(如桥梁、道路)检测难题,提出创新性解决方案。通过设计StripBlock模块,将传统方形卷积核替换为大尺寸条形卷积(水平1×19与垂直19×1组合),有效捕获长距离空间特征,同时减少背景噪声。结合CenterPooling增强目标中心定位,该模块可即插即用至现有网络,显著提升遥感检测任务(如DOTA数据集)的精度。代码已开源,

分享顶会顶刊论文即插即用模块 190

黑马程序员——Objective-C——简介

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! ------- Objective-C简介 Objective-C:一种简单的计算机编程语言,是在c语言的基础上增加了一些面向对象的语法,使它可以支持真正的面向对象编程。 Objective-C:提供类的定义、方法、属性等语法,还有可以提高类的动态扩展能力的结构等,它扩展了标准的ANSI C语

webPackages的专栏 638

【大模型工程局】告别单打独斗:手把手带你构建多智能体系统(MetaGPT 启示录)

想象一下,不再是只有一个全知全能的 AI,而是有一群各有所长、能够独立思考和行动的“智能体”(Agent)。它们生活在一个共同的环境中,可以相互交流、协作完成共同目标,也可能为了有限资源而相互竞争。这就是多智能体系统(MAS)的核心图景。MAS 的关键特征:自治性 (Autonomy):每个智能体都能独立感知环境、做出决策并执行动作,无需外部直接控制。交互性 (Interaction):智能体之间可以通过某种通信机制(显式或隐式)交换信息、协调行为。

高校图书馆高级系统架构师/研究馆员,推动高校AI从概念演示到可评审、可交付、可运维:路线图与立项评审、PoC交付、评测回归与上线运维(Baseline/Eval/Ops)。 1188

黑马程序员 — C语言基础(一)

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! ------

iyaochao的专栏 574

【嵌入式DIY实例-ESP32篇】-智能花园助手

本文介绍了一个基于ESP32的智能花园监控系统。系统使用ESP-EYE摄像头开发板,集成了土壤湿度传感器、DHT22温湿度传感器和电磁阀等模块,实现植物生长环境监测与自动灌溉功能。硬件部分详细说明了各传感器的接线方式,软件部分展示了如何通过Firebase实现数据存储和远程监控。系统可实时采集土壤湿度、空气温湿度等数据,并通过摄像头监控植物状态,当检测到环境参数异常时,可自动控制水泵进行灌溉,为植物提供最佳生长环境。

视觉与物联智能 264

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

【黑马程序员】iOS学习之路——Objective-C之概述

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! ------- 一、Objective-C的简介 1.C语言的基础上,增加了一层最小的面向对象语法 2.完全兼容C语言 3.可以在Objective-C代码中混入C语言代码,甚至是C++代码 4.可以使用Objective-C开发Mac OS X平台和iOS平台的应用程序 二、Objecti

Kuailets_123的个人博客 566

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")

黑马程序员 C++实战项目教程讲义

黑马程序员 C++实战项目教程讲义 【下载地址】黑马程序员C实战项目教程讲义 黑马程序员推出的C++实战项目教程,专为初学者量身打造,帮助您从零开始掌握C++编程语言。本教程以机房预约系统为实战案例,通过深入浅出的讲解,带您从基础知识到项目实战,逐步提升编程技能。视频教程简洁高效,全程无废话,确保您在学习过程中获得最直接...

gitblog_06744的博客 466

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

黑马程序员——Objective-C 第一天课程学习总结

Objective-C第一天课程学习总结 ------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! ------- 1.OC简介 1. 1OC语言是在C语言的基础上增加了一层最基本的面向对象的语法 1.2 OC完全兼容C语言 1.3 可以在OC代码嵌入C语言代码,甚至是C++代码 1.4可以使用OC开发Mac OSX平台和iOS平台的应用程

darewolf 的专栏 1228

《黑马程序员C语言入门笔记》

《黑马程序员C语言入门笔记》 去发现同类优质开源项目:https://gitcode.com/ 《黑马程序员C语言入门笔记》是一份专为C语言初学者准备的全面笔记资料。它深入浅出地讲解了C语言的基础知识,帮助初学者系统地掌握C语言的编程技巧。 此笔记资料针对所有初学C语言的人员,无论您是编程小白,还是已有一定基础的朋友,都能从中受益。对于那些有编程基础的朋友来说,这份笔记是一个宝贵的助手,可以帮助您...

gitblog_06703的博客 559

黑马程序员--Objective-C——Block与@protocol

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! ------- 一、Block 1.Block简介 Block是一种数据类型,封装了一段代码,可以在任何时候执行。Block可以在程序运行时保存一段代码(函数不行)。Block跟函数一样,有返回值,形参。   2.Block使用方法 Block: 以“^{

qq_16758755的博客 728

【黑马程序员】---Objective-C核心语法总结

------- android培训、java培训、期待与您交流! ---------- Objective-C核心语法总结 1.点语法 点语法是为了方便其它程序员转入oc Person *p = [Person new]; p.age = 10; // 其实是[p setAge:10]; int a = p.age; // 其实是 [p age];

u010001701的专栏 592

黑马程序员—我和我男朋友在黑马的故事,感谢黑马~~~~~~~~...

文章来源:黑马程序员,黑马论坛 (注:黑马学员发来的毕业感言)   我是一名女生,也是黑马训练营培训出来的一匹最普通的黑马,众马云集又各奔前程。现在的我已找到一份满意的7k工作。每当夕阳西下,结束了一天忙碌的工作,都会想起和他在黑马的充实而快乐的时光。我和我的男朋友来自同一个学校同一个系。本来无缘相识,因为有着共同的编程梦想先手于毕业前夕,现在的他已在搜狐上班,每月12k的工资给我们的

heima_26的专栏 1138

黑马程序员—纪念在黑马学习的那段日子—我的转型之路(黑马老学员)

文章来源:黑马程序员,黑马论坛 我的转型之路——纪念在黑马学习生活的那段日子(原文链接:http://blog.youkuaiyun.com/frank51314/article/details/7270052)       2011年8月之前,我还在山东的一家公司里面任职,担任一个小小的采购员,由于自己不愿意收受那些灰色的东西,所以自己的收入一直都是个2000多点的样子。现在,我坐在了联想研

heima_25的专栏 1001

黑马程序员——iOS核心基础(15-16天)-黑马程序员-专题视频课程

C语言基础15-16天。其中包括通讯录项目实战。

heima_cxy的博客 317

黑马程序员————Objective C——protocol、block

----http://www.itheima.com" target="blank">Java培训、Android培训、iOS培训、.Net培训、期待与您交流! -------

tl18353359689的专栏 368

【C++学习汇总】【黑马程序员】

【C++】【第一篇】【黑马 p84 - p105 】【引用】【重载】【类和对象-struct、class】【C++】【第二篇】【黑马 p106~p126】【类对象的构造、解析、深浅拷贝】【this和const使用】【友元】【运算重载符】【C++】【第三篇】【黑马 p127 - p146 】【类对象的继承】【多态】【文本、二进制文件读写操作】【C++】【第四篇】【黑马 p147 ~ p166】C++学习记录之职工管理系统【C++】【第五篇】【黑马 p167~p184】【模板】【函数模板】【类模板】【C++】【

qq_45954434的博客 2697
上一篇: 黑马程序员_如何选择Mac
下一篇: 黑马程序员_面向对象简介
XCodeRush
博客等级 码龄12年 0粉丝 22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