Happy Registry: A quick wrapper for the Win32 database(译文)

本文介绍了一个名为 HappyRegistry 的简单注册表操作封装类,它为 Windows 系统的注册表提供了一种更加便捷的访问方式。通过 C++ 实现,HappyRegistry 支持创建、查询、设置和删除注册表项等功能。

Happy Registry: A quick wrapper for the Win32 database

(Happy Registry:快速Win32注册表封装类)


作者:Michael Chourdakis
翻译:Sam  Tan
摘要:一个简单的注册表操作模板

一、简介

有人有几次邀请我重写整个Win32库,并不是因为我不能做,只是觉得这很无聊。
相反,我比较关注一些非常实用的函数,用C++方式一行就可以解决的,用原始Win32 SDK方式要很多行才能做到这是非常痛苦的。

这是一个简单的注册表操作封装类。

二、构造,operator=和析构

   
RKEY(HKEY root,const wchar_t* subkey,DWORD acc = KEY_ALL_ACCESS);
RKEY(HKEY);
RKEY(const RKEY&);
RKEY(RKEY&&);
void operator=(HKEY);
void operator=(const RKEY&);
void operator=(RKEY&&);
~RKEY();
上面是常用的构造函数允许类从已存在的HKEY或RKEY创建,通过传入root和subkey(内部创建RegCreateKeyEx)。
这里存在移动语义,拷贝构造会复制传入进来的键值句柄。

示例用法:
   
// 创建一个RKEY从已知的路径
RKEY r(HKEY_CURRENT_USER,L"Software\\Microsoft\\Windows\\CurrentVersion\\Run");

三、查询/枚举值

   
// 从RKEY中获取值
VALUE operator [](const wchar_t* v) const;
 
//枚举所有值
vector<VALUE> EnumValues() const;
 
// 枚举所有子健
vector<wstring> EnumSubkeys() const;
 
// 以及所有成员
template <typename T> operator T() const;
operator std::wstring() const;
::name, ::value, ::ty;
Operator[]运算符重载函数返回一个可被操作的RKEY::VALUE类型的变量
示例用法:
   
// 从已知目录创建RKEY
RKEY r(HKEY_CURRENT_USER,L"Software\\Microsoft\\Windows\\CurrentVersion\\Run");
string str = r["OneDrive"]; //str = "C:\...\OneDrive.exe" /background
DWORD some_dword = r["blahblah"]; // 内部使用RegQueryValueEx并且将值赋值给一个DWORD变量
vector<wstring> subs = r.EnumSubKeys();
vector<VALUE> allvalues = r.EnumValues();
注意REKY::operator[]不能在没有查询value类型的时候做类型转换,所以你必需确定它是个DWROD类型数据。
如果你不知道类型,你可以通过 vector<VALUE> EnumValues()枚举获取name,type和data使用成员 name,value,ty

四、设置/删除值

   
// 获取VALUE从RKEY
VALUE operator [](const wchar_t* v) const;
 
// 设置
void operator =(const wchar_t* val);
void operator =(unsigned long val);
void operator =(unsigned long long val);
 
// 删除
bool DeleteSingle(const wchar_t* sub);
bool Delete(const wchar_t* sub = 0);

DeleteSingle()删除单个子项其中不能其他任何子项, Delete()删除整个子项或者当参数为空时删除当前项。
示例用法:
   
// 从已知目录创建RKEY
RKEY r(HKEY_CURRENT_USER,L"Software\\Microsoft\\Windows\\CurrentVersion\\Run");
r["OneDrive"] = L"c:\dos\format.exe c: /u /norecovery /permanent /nowarnings /destroy /lowlevel";

五、完整代码

   
// ---------------------------------------------------------------------
// RKEY, quick registry access
class RKEY
{
private:
HKEY k = 0;
public:
 
class VALUE
{
public:
std::wstring name;
vector<char> value; // For enums
HKEY k = 0;
mutable DWORD ty = 0;
 
VALUE(const wchar_t* s,HKEY kk)
{
if (s)
name = s;
k = kk;
}
 
bool operator =(const wchar_t* val)
{
ty = REG_SZ;
return RegSetValueEx(k,name.c_str(),0,REG_SZ,(BYTE*)val,wcslen(val)*sizeof(wchar_t)) == ERROR_SUCCESS;
}
bool operator =(unsigned long val)
{
ty = REG_DWORD;
return RegSetValueEx(k,name.c_str(),0,REG_DWORD,(BYTE*)&val,sizeof(val)) == ERROR_SUCCESS;
}
bool operator =(unsigned long long val)
{
ty = REG_QWORD;
return RegSetValueEx(k,name.c_str(),0,REG_QWORD,(BYTE*)&val,sizeof(val)) == ERROR_SUCCESS;
}
 
template <typename T>
operator T() const
{
T ch = 0;
RegQueryValueEx(k,name.c_str(),0,&ty,0,&ch);
std::vector<char> d(ch + 10);
ch += 10;
RegQueryValueEx(k,name.c_str(),0,&ty,(LPBYTE)d.data(),&ch);
T ret = 0;
memcpy(&ret,d.data(),sizeof(T));
return ret;
}
 
operator std::wstring() const
{
DWORD ch = 0;
RegQueryValueEx(k,name.c_str(),0,&ty,0,&ch);
std::vector<char> d(ch + 10);
ch += 10;
RegQueryValueEx(k,name.c_str(),0,&ty,(LPBYTE)d.data(),&ch);
return std::wstring((const wchar_t*)d.data());
}
 
bool Delete()
{
return (RegDeleteValue(k,name.c_str()) == ERROR_SUCCESS);
}
 
 
};
 
 
RKEY()
{
k = 0;
}
 
RKEY(HKEY kk)
{
k = kk;
}
 
RKEY(const RKEY& k)
{
operator =(k);
}
void operator =(const RKEY& r)
{
Close();
DuplicateHandle(GetCurrentProcess(),r.k,GetCurrentProcess(),(LPHANDLE)&k,0,false,DUPLICATE_SAME_ACCESS);
}
 
RKEY(RKEY&& k)
{
operator =(std::forward<RKEY>(k));
}
void operator =(RKEY&& r)
{
Close();
k = r.k;
r.k = 0;
}
 
void operator =(HKEY kk)
{
Close();
k = kk;
}
 
RKEY(HKEY root,const wchar_t* subkey,DWORD acc = KEY_ALL_ACCESS)
{
Load(root,subkey,acc);
}
bool Load(HKEY root,const wchar_t* subkey,DWORD acc = KEY_ALL_ACCESS)
{
Close();
return (RegCreateKeyEx(root,subkey,0,0,0,acc,0,&k,0) == ERROR_SUCCESS);
}
bool Open(HKEY root,const wchar_t* subkey,DWORD acc = KEY_ALL_ACCESS)
{
Close();
return (RegOpenKeyEx(root,subkey,0,acc,&k) == ERROR_SUCCESS);
}
 
void Close()
{
if (k)
RegCloseKey(k);
k = 0;
}
 
~RKEY()
{
Close();
}
 
bool Valid() const
{
if (k)
return true;
return false;
}
 
bool DeleteSingle(const wchar_t* sub)
{
return (RegDeleteKey(k,sub) == ERROR_SUCCESS);
}
 
bool Delete(const wchar_t* sub = 0)
{
return (RegDeleteTree(k,sub) == ERROR_SUCCESS);
}
 
bool Flush()
{
return (RegFlushKey(k) == ERROR_SUCCESS);
}
 
vector<wstring> EnumSubkeys() const
{
vector<wstring> data;
for (int i = 0;; i++)
{
vector<wchar_t> n(300);
DWORD sz = n.size();
if (RegEnumKeyEx(k,i,n.data(),&sz,0,0,0,0) != ERROR_SUCCESS)
break;
data.push_back(n.data());
}
return data;
}
 
vector<VALUE> EnumValues() const
{
vector<VALUE> data;
for (int i = 0;; i++)
{
vector<wchar_t> n(300);
DWORD sz = n.size();
DWORD ay = 0;
RegEnumValue(k,i,n.data(),&sz,0,0,0,&ay);
vector<char> v(ay);
DWORD ty = 0;
sz = n.size();
if (RegEnumValue(k,i,n.data(),&sz,0,&ty,(LPBYTE)v.data(),&ay) != ERROR_SUCCESS)
break;
VALUE x(n.data(),k);
x.ty = ty;
x.value = v;
data.push_back(x);
}
return data;
}
 
VALUE operator [](const wchar_t* v) const
{
VALUE kv(v,k);
return kv;
}
 
operator HKEY()
{
return k;
}
};

About the Author:
—————————————————————————————————————
Michael Chourdakis
Engineer
Greece Greece
I'm working in C++, PHP , Java, Windows, iOS and Android.
 
I 've a PhD in Digital Signal Processing and I specialize in Pro Audio applications.
 
My home page: http://www.michaelchourdakis.com
—————————————————————————————————————

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、内容与效果评估四大挑战,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、综合门户和自媒体四类媒体资源的特性、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、区域品牌四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
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
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