C++23中的模块应用说明之一基础分析

一、模块及特点

在前面的c++20分析中就对模块的应用进行过分析和举例,最近的文章中通过对import的应用分析也再次引入了模块的开发。今天将对C++20后的模块开发进行一个初步的分析,从而让大家能够从概念层次上对模块有一个全面学习。
在传统的C++开发中,头文件机制虽然看上去简单,但实际上问题多多。特别是有的情况下,只是简单的把头文件的包含顺序改一下,可能编译就没有问题了。这让很多的开发者感到困惑。同时,头文件的使用也可能引起编译污染,导致很多编译单元进行重新编译,从而大降低了编译的效率。甚至为了降低这种可能,还引入了Pimpl编程机制和类声明机制。另外,头文件引出的命名冲突和宏污染等问题也不可忽视。而在C++20中引入模块机制正是想从根本上解决这种头文件代码组织导入的方式。它可以通过export显式的来控制相关接口的导出,从而让开发变得更可控和安全。
在其它的现代高级语言的开发中,基本都采用了包机制,如Go,Java以及Python等。而C++引入模块机制也是对其的一种致敬吧。

二、模块的应用

模块机制的应用一般来说有以下几部分:

  1. 模块单元的接口定义和具体实现
    模块的接口负责定义相关的使用约定和条件;实现提供具体的应用逻辑。接口抽象消除对具体应用的依赖,这也符合设计原则上的依赖于抽象,便于扩展和测试。
  2. 利用export定义规则限制
    模块的一个最主要功能就是要和其它的模块协作,所以可以通过export来确定相关的导出的内容,用来向其它模块或应用提供接口,控制内外的边界。每个模块只有能一个默认的导出,另外,export的应用有着具体的语义规则:模块是静态绑定的且要保持全局引用的一致性;模块作用域内的临时变量不可导出;支持重导出(re-export),目的是聚合接口。
    说明,所谓重导出,就是在导出模块中可以导出其它模块。类似下面:
//已存在A,B两个模块,在C模块中导出它们
export module C;
export module A;
export module B;
//有选择的导出即分区导出
export import:A1 from A;//设定A模块中导出了A1模块
export void test();//C模块中自定义的导出接口

  1. 文件命名和模块管理
    虽然文件的命名没有强制一说,但为了保持可维护性和易用,还是建议使用一些常见的风格管理,如Google、Linux等等,其后缀推荐使用.ccpm或.ixx。没有强制,只有适用。举个例子,以点分隔相关模块就是一种非常容易为大家理解和接受的方法即类似“export math.core.matrix”。
    同样,模块管理中,模块的文件最好与实际的定义一一保持对应(一一映射)。这个如果有Go或Python等开发经验的就非常好理解了。
  2. 全局模块片段的应用
    全局模块片段是c++模块用来兼容传统头文件的一种机制,它不属于模块相关说明。一般位于接口单元中”module;”声明后到模块定义“export module myself;”之前的部分。如下面的示例:
module;
#include <vector>
export module demo;

全局模块片段还可以用来隔绝预处理器的定义,处理宏定义等。
5. 私有模块片段的应用
有全局模块片段就会有私有的。在C++中一般是采用如下的方式定义:

module;
#include <iostream>
export module demo;
module:private;
void testPrivate(){std::cout<<"private module test!"<<std::endl;}

这里需要注意的是,私有模块必须在公有及导出模块模块之后定义,否则会报相关的编译错误。如:

exportdemo.cppm:10:1: error: export declaration cannot be used in a private module fragment
   10 | export int Add(int,int);
      | ^
/qt610_project/cmakeMouduleFirst/exportdemo.cppm:6:1: note: private module fragment begins here
    6 | module:private;
      | ^
/qt610_project/cmakeMouduleFirst/exportdemo.cppm:11:1: error: export declaration cannot be used in a private module fragment
   11 | export class exportDemo
      | ^
/qt610_project/cmakeMouduleFirst/exportdemo.cppm:6:1: note: private module fragment begins here
    6 | module:private;

以上即对模块应用的一个整体的说明,大家可以针对前面的应用进行相关的学习和代码测试。

三、例程

根据上面的分析,下面给出一个具体的例程:

//exportdemo.cppm
module;
#include <vector>
#include <iostream>
export module demo;
import std;

namespace demo{
export int Add(int,int);
export class exportDemo
{
public:
    exportDemo();
public:
    void display();
    std::vector<int> vec_;
};
}

module:private;
void testPrivate(){std::cout<<"private module test!"<<std::endl;}
//exportdemo.cpp
module demo;
import std;
namespace demo{
int Add(int a,int b){return a+b;}
exportDemo::exportDemo() {}
void exportDemo::display(){
    vec_.reserve(10);
    testPrivate();
    std::cout<<"this is demo module!"<<std::endl;
}
}

其它代码与前文中的代码一致,相关的编译方法和cmake文件也保持一致即可。

四、总结

C++中的模块与其它语言如Go的包管理有着类似的机制,如果想更好的使用模块机制可以参考一下其它语言的包管理的特点,回头可以借鉴到C++开发中。正所谓,它山之石,可以攻玉。

内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
评论
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