模拟封装C库函数 + 添加重定向功能到myshell

模拟C库函数与添加重定向功能到自定义shell
文章展示了如何模拟实现C语言中的fopen、fclose、fwrite和fflush函数,并详细解释了每个函数的实现逻辑。接着讨论了如何在自定义的myshell中添加重定向功能,包括检查命令行中的重定向符号,设置重定向标志位和处理不同类型的重定向操作。最后给出了整体的代码示例和运行结果。

目录

模拟封装C库函数

添加重定向功能到myshell


模拟封装C库函数

下面我们来模拟实现如下fopen、fclose、fwrite、fflush这几个C库函数,代码如下:

#include<stdio.h>
#include<unistd.h>
#include<sys/types.h>
#include<sys/wait.h>
#include<fcntl.h>
#include<string.h>
#include<assert.h>
#include<stdlib.h>

#define NUM 1024
#define NONE_FLUSH 0x0 //无缓冲
#define LINE_FLUSH 0x1 //行缓冲
#define FULL_FLUSH 0x2 //全缓冲

typedef struct _MyFILE
{
	int _fileno;
	char _buffer[NUM];
	int _end;//buffer缓冲区的结尾
	int _flags;//标记fflush刷新策略
}MyFILE;

//fopen
MyFILE* my_fopen(const  char* filename, const char* method)
{
	assert(filename);
	assert(method);

	int flags = O_RDONLY;

	if (strcmp(method, "r") == 0)
	{
	}
	else if (strcmp(method, "r+") == 0)
	{
	}
	else if (strcmp(method, "w") == 0)
	{
		flags = O_WRONLY | O_CREAT | O_TRUNC;//写入方式
	}
	else if (strcmp(method, "w+") == 0)
	{
	}
	else if (strcmp(method, "a") == 0)
	{
		flags = O_WRONLY | O_CREAT | O_APPEND;//追加方式
	}
	else if (strcmp(method, "a+") == 0)
	{
	}

	int fileno = open(filename, flags, 0666);
	if (fileno < 0)
	{
		return NULL;
	}
	MyFILE* fp = (MyFILE*)malloc(sizeof(MyFILE));
	if (fp == NULL) return fp;
	memset(fp, 0, sizeof(MyFILE));
	fp->_fileno = fileno;
	fp->_flags |= LINE_FLUSH;//默认设置为行缓冲
	fp->_end = 0;
	return fp;
}
//fflush
void my_fflush(MyFILE* fp)
{
	assert(fp);
	if (fp->_end > 0)
	{
		write(fp->_fileno, fp->_buffer, fp->_end);
		fp->_end = 0;
		syncfs(fp->_fileno);//把数据刷新到磁盘上
	}
}
//fwrite
void my_fwrite(MyFILE* fp, const char* start, int len)
{
	assert(fp);
	assert(start);
	assert(len > 0);

	//abcde123
	strncpy(fp->_buffer + fp->_end, start, len);//将数据写入到了缓冲区的结尾
	fp->_end += len;//使end永远指向有效字符的下一个位置

	if (fp->_flags & NONE_FLUSH)
	{
	}
	else if (fp->_flags & LINE_FLUSH)
	{
		if (fp->_end > 0 && fp->_buffer[fp->_end - 1] == '\n')
		{
			//仅仅是写入到内核中
			write(fp->_fileno, fp->_buffer, fp->_end);
			fp->_end = 0;
			syn
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

三分苦

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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