C/C++ 类库开发库参考

Linux下使用Eclipse高效开发C/C++ Eclipse是一个用java编写的IDE,java跨平台,移植性好,所以linux和window平台下都可以使用。 安装步骤: 1 安装JRE 下载JRE:http://java.sun.com/javase/downloads/index.jsp 创建一个目录 [root@localhost ~]# mkdir /usr/local/java 下载这个rpm包:jre-7u25-linux-i586.rpm 到/usr/local/java目录下 切换为root,安装JRE rpm包... 阅读详情
刚贴了自己一篇文章,在:
http://blog.chinaunix.net/space.php?uid=25414438&do=blog&id=131043

再贴到论坛这里,分享给大家。

-------------------------------------------
原文地址: http://codingdao.com/wp/development-kb/c-cpp/c-cpp-lib-collection/
作者:Breaker
内容源于 网络,所以共享给社区
-------------------------------------------
C/C++ 开发库 | C/C++ Development Library

这里收集一些著名的 C/C++ 开发库、SDK、类库、可复用类与结构代码 等信息,列举它们的介绍、参考和网站链接,为各位 C/C++ 程序员和爱好者提供检索和查阅类库的方便。
下面收集的 C/C++ 类库介绍整理来源于文章: C++ 资源之不完全导引(作者:曾毅、陶文),这篇文章曾发表于 2004 年 5 月《优快云 开发高手》。
上文中介绍的类库有些已经多年未见发布和网站内容的更新了,特别是一些开源的项目。我检查了作者提供的 链接地址 和项目的 活跃程度,更改内容上的偏差并补全了重要说明。另外,增加了自己使用和了解的 C/C++ 类库的介绍。
因为在下面的介绍中,我也有大量未曾使用和了解的开发库、类库,所以介绍如有纰漏和错误,都可以 告诉我。
下面的 C/C++ 开发库、类库会不定期更新。

更新说明列表 (Last Update: 2011-02)

目录
  • C/C++ 标准库与运行时库 | C/C++ Standard & Runtime Library
  • 模式复用与基础功能 | Pattern Reuse & Basic Function
  • 字符串处理 | String Handling
  • 应用框架与图形用户界面 | Application Framework & GUI
  • 通用功能 | General Function
  • 线程 | Threads
  • 科学与并行计算 | Scientific & Parallel Computation
  • 网络功能 | Network Communication
  • XML 功能 | XML Functions
  • 持久存储 | Persistence & Storage
  • 加解密 | Cryptographic
  • 日志 | Logging
  • 函数式编程 | Functional Programming
  • 杂项 | MISC
-------------------------------------------
C/C++ 标准库与运行时库 | C/C++ Standard & Runtime Library


实现 ISO 的 C/C++ 语言规格标准中要求的标准库,每个组织或厂家的实现均有差异。在链接的二进制库中通常还伴随实现了平台特定的基础运行时库,例如 POSIX 标准。
ISO C/C++/POSIX 的标准如下:
Microsoft C Run-Time Libraries & Standard C++ Library
微软的这一套运行时库,在功能和链接库上分为 3 个部分:Run-Time Libraries (CRT)、Standard C++ Library、CRT for Managed Code,分别对应的动态链接库为:msvcr[ver].dll、msvcp[ver].dll、msvcm[ver].dll。
VC8、VC9 采用了 Side-by-Side (WinSxS, Manifest) 方式部署 CRT 库,但在 VC10 中又去掉了 Side-by-Side 的部署方式。在 %SystemRoot%\system32 中有一个随 Windows 发布的 Known DLL:msvcrt.dll;而带版本号 [ver] 的库在 VC 或 VC Redistributable Package 中发布。
VC7 之后在 namespace stdext 中提供 hash_map、hash_set 两个扩展标准的容器模板。
GNU C/C++ Library
通常称为 GNU libc 和 libstdc++,是 GNU 的 C/C++ 标准库和运行时库的实现,在各种 Linux 发行版中都会安装该库,也是很多开源 C/C++ 程序选择的基础库。另外 libc 和 libstdc++ 也被移植到各种平台下,如 Windows 下的 MinGW 和 Cygwin 就包含 libc 和 libstdc++:
MinGW
MinGW: Minimalist GNU for Windows,在 Windows 平台提供一套 GNU 的开发环境,包括工具和开发库。MinGW 中包括对 GCC 和 GNU libc、libstdc++ 的 Windows 移植。
Cygwin
发源于 RedHat 的 Cygwin 项目,目标在于在 Windows 下建立一套 Unix/Linux 环境,包括 X Window 这种 Linux GUI 基础库在内,所以又叫 Cygwin/X。Cygwin 实现的重点是 cygwin1.dll,它向其它 Cygwin 程序提供 POSIX 接口,并在内部转换成 Windows API 调用。Cygwin 中包括对 GCC 和 GNU libc、libstdc++ 的 Windows 移植。
MinGW 和 Cygwin 的详细介绍和开发环境的搭建,参考我的以下文章:
Tiny C Runtime Library
一个小巧的 Windows 平台 CRT 库实现,可用来替换对 Microsoft CRT 库的链接,达到精简依赖的基础库、减小最终发布程序大小的作用。
SGI STL
SGI 公司的 C++ 标准模版库。
STLport
SGI STL 库的跨平台可移植版本。
Dinkumware C++ Library
P.J. Plauger 编写的高品质的标准库。P.J. Plauger 博士是 Dr. Dobb's 程序设计杰出奖的获得者。其编写的库长期被 Microsoft 采用,并且 Borland 也取得了其 OEM 的 license,在其 C/C++ 的产品中采用 Dinkumware 的库。
RogueWave Standard C++ Library
这个库在 Borland C++ Builder 的早期版本中曾经被采用,后来被其它的库给替换了。不推荐使用。

模式复用与基础功能 | Pattern Reuse & Basic Function


其实这个分类的界限很难确定,原因是有一些 C/C++ 库提供各种各样的模式形式,在功能上也包罗万象,并不专一,属于综合性功能。但在目标上这些库都是一致的:加强 C/C++ 语言的功能、复用度,提供稳定的基础功能。什么是基础功能?应该是那些不依赖于平台,每个应用可能都会用到的功能,例如:字符串、通用算法和容器等。
Boost
Boost 是高质量、可移植、开放源代码的 C++ 库,作为标准库的后备,是 C++ 标准化进程之一。Boost 库由 C++ 标准委员会库工作组成员发起,在 C++ 社区中影响甚大。Boost 库为我们带来了最新、最酷、最实用的 技术,是不折不扣的“准标准库”。
Boost 不是一个库,而是一组库,每一个 Boost 库都是一个相对独立的功能(通常在一个子目录下发布),可以独立链接和使用,一般称 Boost 中的 xxx 库为 Boost.xxx。有些 Boost 库根本不用编译成二进制的静态或动态链接库形式,只要在应用它的源码中 include 包含它的头文件就可以直接使用,称为 Header-Only 库,如 Boost.Lambda。
Boost 由于其对跨平台的强调,对标准 C++ 的强调,是编写平台无关,现代 C++ 的开发者必备的工具。但是 Boost 中也有很多是实验性质的东西,在实际的开发中实用需要谨慎。并且很多 Boost 中的库功能堪称对语言功能的扩展,其构造用尽精巧的手法,不要贸然的花费 时间研读。Boost 另外一面,比如 Graph 这样的库则是具有工业强度,结构良好,非常值得研读的精品代码,并且也可以放心的在产品代码中多多利用。
另外,Boost 的官方文档也是相当漂亮的,讲述的清晰明了:从 概念 到 示例都有,在开源库中是不可多得的。
除了 Boost 发布包中包括的库之外,还有一些库处于提交待审成为 Boost 库的状态 (Proposal),或处于尚在测试和评审阶段 (TR),Boost 发布包中未将这些库包含进来,可以从这些库的专项地址下载,例如用于日志的 Boost.Log 库。
列举 Boost 中的几个库:
Loki
Loki 的作者就是大名顶顶的 Andrei Alexandrescu,"Modern C++ Design"( 《C++ 设计新思维》)一书的作者,Boost 和 C++0x 的推动者之一。
Loki 早期是 "Modern C++ Design" 一书的附带类库,是实验和教学性质的库。但随着作者的维护、更新和改进,Loki 现在已经在复用性和稳定性上已逐渐成熟了。
Loki 中把 C++ 模板的功能发挥到了极致。尝试把类似 设计模式 这样思想层面的东西通过库来提供。同时还提供了智能指针这样比较实用的功能。
stlsoft
stlsoft 从名字都可以知道是 STL 的扩展功能库,这一点和 Boost 的定位很像。stlsoft 的作者是 Matthew Wilson,stlsoft 也有配套的书籍 "Extended STL" 共两卷:
Extended STL, Volume 1: Collections and Iterators
Extended STL, volume 2: Adaptors, Algorithms, Allocators, Functions, Ranges and Views
stlsoft 包含一些基本的通用功能,例如字符串处理 (stlsoft/string/),当然这是基于 std::basic_string 的处理。stlsoft 最吸引人的地方是:免费 和 全部的功能都是 Header-Only 的,使用时只要包含头文件即可。

字符串处理 | String Handling


通用的字符串处理功能,可以划分到 模式复用与基础功能 | Pattern Reuse & Basic Function 类别中,但为了查阅方便,还是把它分离出来了。包括:字符串的类包裹对象、格式化字符串、Tokenizer、分词、正则表达式处理 等。当然 C/C++ 的标准库,以及很多应用框架和 GUI 库中,也都有字符串处理相关的功能实现(如:strtok()、std::basic_string、std::basic_stringstream、 ATL/MFC 的 CStringT 等),这里就不再列出这些功能了,有需要可以参考 MSDN Library 和 www.cppreference.com、 www.cplusplus.com 等一些 C/C++ 参考网站。
Boost 中的字符串处理相关库
上面说了 Boost 是一套包罗万象的通用功能 C++ 库,下面列出一些 Boost 中的和字符串处理相关的库:

  • Boost String Algorithms Library:Boost 字符串算法库,功能大多在头文件 boost/algorithm/string.hpp 中集中声明,并在 boost/algorithm/string/ 下有分别功能的定义,在名字空间 boost::algorithm 中。这个 Boost 字符串算法库通常和标准库的字符串实现 std::basic_string 联用,作为标准库字符串功能的扩展,例如可以做 tokenize 的算法 boost::algorithm::split() 或类 boost::algorithm::split_iterator, boost::algorithm::token_finder。

  • Boost.Tokenizer:Boost 专门提供的字符串 tokenize 分词库,在 boost/tokenizer.hpp 中声明,和它相关的还有 分词迭代器 (boost\token_iterator.hpp) 和 分词工具类 (boost\token_functions.hpp)。

  • Boost.Regex:上面已提到了,这是 Boost 的正则表达式功能实现。

另外 Boost 中还有 lexical_cast(数值/字符串转换)、Format(类似 printf() 的格式化)、Spirit(EBNF 解析)等和字符串/文本处理有关的库。
Common Text Transformation Library: http://cttl.sourceforge.net/,基于标准库 std::basic_string 的字符串处理扩展功能,有 EBNF 解析功能。
GRETA: http://research.microsoft.com/,微软 Research 的正则表达式模板库项目(已停止维护),支持 Perl 兼容的正则表达式处理。

应用框架与图形用户界面 | Application Framework & GUI


通用的 应用程序开发框架库,通常以 GUI 为其重要的组成部分,但绝不止于 GUI,功能上小到 字符串,中到 网络通信,大到 层次架构都有可能支持。并且应用框架库不只是库的复用,而可能会引导程序员的程序架构设计,例如 MVC 架构。一般情况下足以单独依靠 某一个应用框架库来完成程序的开发。通常可以永葆活力的应用框架库背后都是有实力的组织或公司,稳定性比一般的库要强。
MFC
MFC (Microsoft Foundation Class) 微软基础类库,构建于 Windows API 之上,提供 OO 的接口风格。在 .Net Framework 成名前,MFC 是 Windows 平台开发程序主框架的首选,现在由 .Net Framework 接过这个任务。
ATL/WTL
ATL (Active Template Library) 是一组轻量级、高效的模板类,提供 GP 的接口风格,这些类为创建 COM 组件提供了基本的功能。
有一部分类和代码在 ATL 和 MFC 之间是共享的 (ATL/MFC Shared Classes),例如 实现 CString 的 CStringT 模板。
WTL 是基于 ATL 的一个库。使用了大量 ATL 的轻量级手法、模板等技术,在代码尺寸,以及速度优化方面做得非常到位。主要应用目标是 COM 轻量级网络下载的可视化控件 (ActiveX)。
不过微软的商业策略,包括 MFC 和风头上的 .Net Framework,WTL 早就被微软冷落了,最近的官方版本是 2007 年发布的 WTL 8.0,不过在 Sourceforge 的 WTL 项目中,于 2009 年发布了 WTL 8.1。
wxWidgets
由社区维护的开源跨平台 C++ 通用程序框架和 GUI 类库。wxWidgets 原来也叫 wxWindows,但由于微软的缘故更名为 wxWidgets。wxWidgets 的层次结构类似 MFC,熟悉 MFC 的人可以很快上手 wxWidgets。wxWidgets 使用基于运行平台的 Native API 实现,对于 Windows 来说就是 Windows API,对于 Linux 则可能是 GTK+ 或 X11。
除了 C++ 作为开发接口语言外,wxWidgets 最著名的其它语言封装接口是 Python 的封装接口: wxPython
wxWidgets 项目的活跃程度和更新、维护一直都很稳定,是值得长久信赖的通用程序框架和 GUI 类库。
GTK+/gtkmm
GTK+ (GIMP Toolkit) 是一个采用面向对象设计的使用 C 语言开发的 GUI 窗口开发库。最早作为 GIMP 绘图工具的基础库而开发。GTK+ 是 GNOME 桌面环境的基础库。gtkmm 是 GTK+ 的 C++ 语言封装。
Qt


Qt 原来是 Trolltech 公司的一个跨平台的 C++ GUI 框架,后来被 Nokia 收购成为其一个子部门。Qt 是另一个著名桌面环境 KDE 的基础库。和 GTK+ 不同,Qt 一开始就选择 C++ 作为实现其完全面向对象框架的开发语言。

 

通用功能 | General Function


这些库是包含了多种功能的综合性开发库、类库,一般目标是提供可移植的基础设施服务,例如 线程、网络功能 等。
P::Classes


活跃程度:2004-03 发布版本 1.0.0 beta1,2005-01 网站最近消息贴出 "We are not dead!" [2010-11 checked]
一个高度可移植的 C++ 应用程序框架。当前关注类型和线程安全的 Signal/Slot 机制,I/O 系统包括基于插件的网络协议透明的 I/O 架构,基于插件的应用程序消息日志框架,访问 SQL 数据库的类等。
ACDK


活跃程度:2006-03 公告 CVS 版下载 ACDK 5 a2 [2010-11 checked]
ACDK (Artefaktur Component Development Kit) 是一个平台无关的 C++ 组件框架,目标是实现类似于 Java 或者 .NET 中的框架,涉及的方面有:反射机制、线程、Unicode、废料收集、正则表达式、I/O、网络、SSL、SQL、实用工具、XML 等。还包括对 Java、Perl、Python、TCL、Lisp、COM 和 CORBA 的集成。
dlib C++ library


活跃程度:2010-11 发布版本 17.32 [2010-11 checked]
提供多种功能的跨平台综合库。涉及的方面有:数值计算 (Matrix)、网络功能 (Socket, streambuf, HTTP server)、线程、GUI、机器学习、图像处理(BMP 位图)、数据压缩与摘要、日志、单元测试框架、命令行解析、XML 解析、容器、序列化、BASE64 编解码、内存池管理 等。
Chilkat C++ Libraries


活跃程度:2010-07 发布 VC6-VC10 编译版本 9.1.0 [2010-11 checked]
提供一组库,包括:Zip、Mail、IMAP、加解密、MHT、XML、字符集、MIME、PFX、FTP 等。
PTypes


活跃程度:2007-06 发布版本 2.1.1 [2010-11 checked]
可以作为 STL 的简单替代品,提供可移植的线程(同步对象)和网络(Socket 和 命名管道)支持,也包括字符串、变体 (variant)、字符集、链表 等基础类型的实现。主要应用目标是的网络服务程序 和 robots 等。
LFC


活跃程度:2002-06 发布版本 0.5 [2010-11 checked]
一个提供通用目标的 C++ 类库、框架,涉及的方面有:通用数据结构、通用算法、文件、Socket、线程、GUI、数据库访问、通用设计模式、数据流、RTTI、持久化、多媒体(包括游戏开发与 3D 图形)、通用网络协议 (HTTP, FTP)、正则表达式 等。

线程 | Threads


pthreads


由 POSIX 定义的线程实现规范 POSIX threads,C 语言的 API,在各种 Unix/Linux 和 Windows 下都有支持,是一套移植性很好的通用线程库。
C++ Threads


活跃程度:2003-10 发布版本 3.6 [2010-11 checked]
C++ 封装的线程类,用于 Linux 开发的多线程支持。
ZThreads


活跃程度:2005-03 发布版本 2.3.2 [2010-11 checked]
一个跨平台,面向对象设计的线程和同步事务库。在 POSIX 和 Windows 下经过测试。

科学与并行计算 | Scientific & Parallel Computation


这个一开始可以分为两类:关于 数值计算 (Numeric Computation) 和 并行计算 的库,但是有相当一部分库同时涵盖这两种功能,并且现代的用于数学计算的程序越来越依靠并行处理来提升性能,所以就归到了一类。
Blitz++


Blitz++ 是一个高效的数值计算函数库,它的目的是建立一套具有 C++ 方便接口,同时又比 Fortran 速度更快的数值计算环境。通常,用 C++ 所写出的数值程序,比 Fortran 慢 20% 左右,因此 Blitz++ 正是要改掉这个差距。方法是利用 C++ 的 template 技术,程序执行甚至可以比 Fortran 更快。
CGAL


CGAL (Computational Geometry Algorithms Library) 是高效几何计算方面的 C++ 类库,CGAL 也有 Python 和 Matlab 的 API 接口。CGAL 应用的领域有:图形学、可视化、辅助设计与建模、GIS 等。
POOMA


POOMA (Parallel Object-Oriented Methods and Applications) 原先是由 Los Alamos National Laboratory (LANL) 开发的用于并行计算的 C++ 类库。
POOMA 提供近似于数学语法的高层语法,来简化算法的编程,并且自动处理多处理器之间的通信事务。POOMA 被用于物理模型的计算,例如:粒子物理计算。
FreePOOMA 是 POOMA 的继续项目,原先的 POOMA 已经很少维护了。
MTL


MTL (Matrix Template Library) 提供 矩阵 和 线性代数 计算的功能,是一个基于模板泛型设计,以高性能计算 (HPC: High-performance computing) 为目标的类库。
MTL 有 2 个版本:MTL4 和 MTL2,MTL4 是 2005 后重写的库。
OpenMP


OpenMP 不是一套复用目的的开发库,而是一组用于共享内存并行系统的多线程程序的一套指导规范,它由编译和运行环境支持,最新的 GCC、ICC、VC 都对 OpenMP 有所支持。OpenMP 规范支持的语言包括 C、C++ 和 Fortran。开发时,在源码中使用编译指示 (directive, #pragma) 指导编译器并行化,编译器自动将程序并行化,并在必要之处加入同步互斥语义。
Intel Compilers and Libraries


本来不想把 Intel Compilers and Libraries 放到这一类的,因为这个软件包含了除 开发库 外的编译和其它工具,但是由于使用此软件包能够在 Intel 平台下开发和生成出色性能的程序,以及对并行计算的强力支持,还是把它列出来了。这个软件包以及从 ICC 编译器增大到包括 VTune、Amplifier、Inspector、MKL (Math Kernel Library) 等各种性能工具和库的开发套件,是开发 Intel 平台高性能、并发程序的强力工具。

网络功能 | Network Communication


很多通用库和应用框架库,如 Boost.Asio,都有网络通信功能、异步网络 I/O 功能 (AIO) 或 Socket 封装库,这里只列出以 网络通信功能 为主要目的的开发库。
ACE


  • ACE Home:从这里开始了解 ACE,同时也是 ACE 之父 Schmidt 的主页。

  • ACE Repository:Schmidt 是 Vanderbilt 大学的教授,ACE 的源码可以从 Vanderbilt 大学的 SVN 仓库中下载。

  • ACE Docs:ACE 的 Doxygen 参考文档。


ACE (Adaptive Communication Environment) 中文翻译为 自适应通讯环境,由 Douglas Schmidt 发起,后来有其它人员参与。
ACE 是一套重量级的 C++ 网络功能库,它的特点是使用很多面向对象的设计模式来实现网络功能,并且有很好的跨平台能力。ACE 的框架中实现了很多概念,诸如:事件多路分离和事件处理器分派、信号处理、服务初始化、进程间通信、共享内存管理、消息路由、分布式服务动态配置、并发执行和同步 等。
因为 ACE 的模式众多,所以使用者在清晰理解其概念的情况下,才会发挥 ACE 的效能。关于 ACE 的评价和学习步骤、资料,可以参考《学之者生,用之者死:ACE 历史与简评》(陈硕)。
A Stream Socket API for C++:http://www.pcs.cnu.edu/,Socket 封装。
A simple IOCP Server/Client Class:http://www.codeproject.com/,Windows Socket + IOCP 完成端口机制封装。在 Windows 下稍加更改可以让这个变成符合自己需要的小巧而高效的网络处理类。配文讲解的中文翻译在 vckbase。

XML 功能 | XML Functions


XML 是现代通用的数据保存格式,因为它的通用性和格式良好定义,被经常用在 数据存储、数据交换 和 接口说明 等功能中。先列举一些 XML 解析器 (XML Parser):
TinyXML:http://www.grinninglizard.com/tinyxml/,一个轻量级的 XML Parser.
MSXML


微软的 XML Parser,全称 Microsoft Core XML Services,采用 COM 的接口操作形式,提供 DOM 和 SAX2 API、XML Schema (XSD)、XPath、XSLT 功能。
xml4c:http://www.alphaworks.ibm.com/tech/xml4c,IBM 的重量级 XML Parser,C++ 实现,支持 100 多种字符编码。
Xerces:http://xml.apache.org/xerces-c,Apache 的 XML Parser,支持少数的字符编码,如 ASCII、UTF-8、UTF-16 等,功能包括验证 DTD、SAX 和 DOM API 等。
libxml++:http://libxmlplusplus.sourceforge.net/,对的 libxml (The XML C parser and toolkit of Gnome) 解析器的 C++ 封装。
XMLBooster:http://www.xmlbooster.com/,使用 DOM 和 SAX 两大主流 XML 解析办法之外的解析器。
下面列举一些 XML 的功能库:
Xalan:http://xml.apache.org/xalan-c/,Xalan 可以将 XML 文档转换为 HTML、纯文本或者其它 XML 类型文档。
gSOAP:http://gsoap2.sourceforge.net/,SOAP/Web Services 的一个 C++ 开源实现。
SOAP/Web Services in ATL Server


  • ATL Server Reference in MSDN (VS:微软对 ATL Server 库的支持降低了,在 MSDN Library 中,最后一个有 ATL Server 参考的版本是 VS8。因为现在微软主推的 .Net 框架中已包含 HTTP 和 SOAP 等 Web 功能(WCF 等)。

  • ATL Server Library and Tools in CodePlex:ATL Server 现在在 CodePlex 上托管和维护,可以在这里得到 ATL Server 最新的消息。


这是微软的 SOAP/Web Services 功能。原先微软有一个 SOAP Toolkit 的库,实现 SOAP/Web Services 功能,但后来被废弃了,并移入了 .Net 框架中。所以要使用本地代码 C/C++ 实现的 SOAP,就要使用 ATL Server 库中的 SOAP/Web Services 功能。ATL Server 库除了 SOAP 之外还提供其它 Web 功能,例如 HTTP 实现。
eXist:http://exist.sourceforge.net/,持续化 XML 存储,XML 数据库。
Simple XML Persistence Library (SXP):http://sxp.sourceforge.net/,将对象序列化为 XML 的轻量级的 C++ 库,用于持久存储。

持久存储 | Persistence & Storage


通常 持久存储 表示的概念包括:(1) 将类型(POD 类型、类对象、容器)序列化为二进制数据。(2) 提供基于文件/流的操作。(3) 提供基于数据库的操作。对于 (3) 各数据库管理软件 (DBMS) 大多都提供自己的 C/C++ API,在 Windows 下更有 ODBC、OLE/DB 这种中间适配层提供统一的操作接口。下面只列出一些轻量级、开源的持久化功能。
s11n:http://s11n.net/,一个基于 STL 的 C++ 库,用于序列化 POD 类型、STL 容器以及用户定义类型。
MySQL Connector/C++:MySQL 5.1 Connector/C++ 参考,MySQL 数据库客户端操作的 C++ API。默认发布的 MySQL 安装包中包含其 C 语言的 API (MySQL Connector/C)。
SQLite:http://www.sqlite.org/,轻量级的 SQL DBMS,没有 SQL 的服务器端,单纯基于文件存储。提供 API 支持,使用户执行 SQL 语句来查询/操纵数据,Firefox 3 就使用 SQLite 保存其配置数据。

加解密 | Cryptographic


Crypto++
:Crypto++ Sourceforge Project, http://www.cryptopp.com/。C++ 封装的加解密算法库。Crypto++ 是各种算法的合集,包括对称密码、非对称密码、摘要算法。
OpenSSL:http://www.openssl.org/。C API 的加解密算法库,以及 SSL 协议实现。OpenSSL 不只是加解密算法库,还包含网络功能(包括未使用和使用加密通道 SSL)和实用工具。关于 OpenSSL 的资料参考我的 OpenSSL 开发参考资料。

日志 | Logging


Log for C++ (Log4cpp)


Log4cpp 主要用于 C++ 程序中写日志,有着较强的跨平台移植能力。除了日志功能外,Log4cpp 中包括很多可移植的基础功能,例如:同步功能 (Condition, CriticalSection, Event, Mutex, Semaphore)、网络功能 (Socket, ServerSocket, DatagramSocket, SocketInputStream, SocketOutputStream)、文件监控 (FileWatchdog)、智能指针 (ObjectPtrT)、字符串处理 (StrictMath, StringHelper, StringTokenizer)、线程支持 等。
Boost.Log:http://sourceforge.net/projects/boost-log/,用于日志记录的 Boost 库,目前没有放入 Boost 发布包中。
log4cxx:http://logging.apache.org/log4cxx/,Apache 出的日志功能库。
glog:http://code.google.com/p/google-glog/
Log4cplus:http://log4cplus.sourceforge.net/
Logging In C++:http://www.drdobbs.com/,这是 DrDobbs 上的一篇文章,教你怎么写出一个 C++ Logging 功能类。

函数式编程 | Functional Programming


Boost.Lambda
:Boost.Lambda 是 Boost 提供的函数式编程特性。
The Functional C++ Library (FC++):http://www.cc.gatech.edu/,用模板库来实现 C++ 的函数式编程。
FACT!:http://www.fz-juelich.de/,另一个实现 C++ 函数式编程的模板库。

杂项 | MISC


CppUnit
:CppUnit Sourceforge Project,一个 C++ 的单元测试框架,由 JUnit 移植而来,使用派生测试类的方式产生测试用例。
-------------------------------------------

更新说明列表
[2010-11] 最初撰写 by Breaker

[2010-12] 基本补全各个类别的开发库。

[2010-12] 发现实际上有很多功能类似的开发库、类库,在 Sourceforge.net 上一搜就一大堆。这样列举不好,记忆不深,费时,意义也很小,觉得需自己仔细用过,并深入理解、积累经验后才能对一个库有所了解,而列举库的形式可以用一些 网络书签服务 来做,更容易检索。

[2011-02] (1). 修正一些开发库的收藏地址和描述。(2). 在 Delicious 整理好了一个 C/C++ 开发库 标签,将本文中介绍的开发库收藏地址整理成书签,同时做了一个根据该 C/C++ 开发库 标签 RSS feed 同步的页面,以供查阅,在 C/C++ 开发库地址收藏,以后只更新 Delicious 收藏书签即可 O(∩_∩)O。

C++调用C#实现Xml读写 C++调用C#实现Xml读写,简单来说就是C++利用C#对Xml的Dom文档对象操作方式来实现xml的读写,涉及C++调用C#的Dll动态库,C++与C#的部分类型转换。详见空间博客。 立即下载

相关推荐

C#调用SharpImage图像合成图层合并源码

这个源码是C#编写,能够实现图像合成。比如为图片添加水印,添加文字,添加艺术字、各类图形(比如线段、曲线、箭头、矩形、圆角矩形、三角形、多边形、星形等)、图片和图片进行叠加、也可以多次混合叠加,也可以对叠加的元素以及最终效果应用多达50多种的滤镜,形成更复杂的合成效果。媲美Photoshop!

C/C++ 类库 开发库 资料

原文:C/C++ 函数库 类库 作者:Breaker <breaker.zy_AT_gmail> C/C++ 开发库 | C/C++ Development Library 这里收集一些著名的 C/C++ 开发库、SDK、类库、可复用类与结构代码 等信息,列举它们的介绍、参考和网站链接,为各位 C/C++ 程序员和爱好者提供检索和查阅类库的方便 下面收集的 C/C++ 类库介...

caozuiba 622

天祥TX-1C单片机开发板-秒表程序

郭天祥TX-1C开发板实现秒表程序 附开发板图片和原理图 代码 #include <reg52.h> sbit key1=P3^4; //按键S2 sbit key2=P3^5; //按键S3 sbit U1=P2^6; //LED位选 sbit U2=P2^7; //LED片选 unsigned char code ledchar[]={ /...

Run_long_road 3515

LabWindows/CVI 安装后出现少mesa.dll

给客户装上软件后,打开发现少mesa.dll。 我一开始认为是没有安装Visual C++导致的,后来就装了这个,但是还是不行;然后我就在我电脑上找到mesa.dll文件复制到客户电脑上对应的文件路径下,还是不可以; 在NI论坛上看到了有人遇到跟我同样的问题,但是他们都是把之前的.dll复制过去就可以使用了,但是我不行; 后来我发现是因为在安装过程中把National Instruments software的64-bit和32-bit安装到了带有中文名字的路径下,造成了错误,重新安装即可解...

ma_cainiao_ming的博客 4220

【SPSS实战】手动实现Quade非参数协方差分析:从数据准备到结果解读

本文详细介绍了在SPSS中手动实现Quade非参数协方差分析的实战方法。当数据不满足正态分布等参数检验假设时,通过将协变量和因变量转换为秩,并利用秩回归残差进行Kruskal-Wallis组间比较,提供了一种清晰、可操作的近似解决方案。该方法有效解决了非正态数据的协变量调整问题,适用于实验研究和调查数据分析。

bean的博客 469

CMOS传输门实战:如何用模拟开关优化你的电路设计(附常见问题排查)

本文深入探讨了CMOS传输门在电路设计中的实战应用与优化策略。文章从核心参数选型入手,详细分析了导通电阻、电荷注入等关键特性对电路性能的影响,并提供了多路复用器构建、精密电路应用等实战架构。同时,重点分享了PCB布局、电源去耦的工程细节,以及开关不导通、信号失真、高频性能不足等常见问题的系统性排查指南,旨在帮助硬件工程师充分发挥CMOS模拟开关的效能,提升电路设计的可靠性与精度。

js777的博客 451

C/C++ 类库开发库参考【资料整理】

转自:http://bbs.chinaunix.net/thread-1858444-1-1.html    这里收集一些著名的 C/C++ 开发库、SDK、类库、可复用类与结构代码 等信息,列举它们的介绍、参考和网站链接,为各位 C/C++ 程序员和爱好者提供检索和查阅类库的方便。    下面收集的 C/C++ 类库介绍整理来源于文章:C++ 资源之不完全导引(作者:曾毅、陶文)

tiandyoin的专栏 3714

从零编写linux0.11 - 第二章 内核初始化

编程环境:Ubuntu Kylin 16.04 代码仓库:https://gitee.com/AprilSloan/linux0.11-project linux0.11源码下载(不能直接编译,需进行修改) 1.添加内核 进入内核后也不是马上进入main函数,上一章只是暂时设置gdt,此外还要设置idt和其他的一些初始化操作,这些内容也要使用汇编进行编写,此处采用AT&T格式的汇编。 以下为head.s的内容,为了简单起见,内容还是一个死循环。 .globl startup_32 startup_3

皓空Fly的博客 1266

C/C++ 开发库 | C/C++ Development Library

这里收集一些著名的 C/C++ 开发库、SDK、类库、可复用类与结构代码 等信息,列举它们的介绍、参考和网站链接,为各位 C/C++ 程序员和爱好者提供检索和查阅类库的方便。 下面收集的 C/C++ 类库介绍整理来源于文章:C++ 资源之不完全导引(作者:曾毅、陶文),这篇文章曾发表于 2004 年 5 月《优快云 开发高手》。 上文中介绍的类库有些已经多年未见发布和网站内容的更新了,特

行者无疆 Happy Programming! 1544

SAP 中租赁资产的实现需区分经营租赁与融资租赁,核心围绕资产主数据配置、折旧与利息设置、科目分配及业务操作展开

摘要:SAP系统租赁资产管理需区分经营租赁与融资租赁,通过SPRO配置资产主数据、折旧范围、利息计算及科目分配。关键步骤包括:激活折旧范围利息计算(OABZ)、设置租赁资产类别(OAYZ)、维护总账科目(AO90)及创建租赁资产主数据(AS01)。业务操作涵盖资产资本化(ABZON)、折旧利息过账(AFAB)、租金支付(F-53)及终止处理(ABUMN)。核心配置要点在于准确设置租赁类型、利率参数和科目联动,确保系统自动计算折旧与利息并生成正确凭证。

金牌架构师 1078

YOLOv8【第十章:多任务扩展深度篇·第19节】YOLOv8 与 DeepLabV3+ 对比——实时性与精度的权衡!

🏆 本文收录于 《YOLOv8实战:从入门到深度优化》 专栏。该专栏系统复现并梳理全网各类 YOLOv8 改进与实战案例(当前已覆盖分类 / 检测 / 分割 / 追踪 / 关键点 / OBB 检测等方向),坚持持续更新 + 深度解析,质量分长期稳定在 97 分以上,可视为当前市面上 覆盖较全、更新较快、实战导向极强 的 YOLO 改进系列内容之一。

**My Coding Family** 1万+

开发库

C/C++ 开发库 | C/C++ Development Library 这里收集一些著名的 C/C++ 开发库、SDK、类库、可复用类与结构代码 等信息,列举它们的介绍、参考和网站链接,为各位 C/C++ 程序员和爱好者提供检索和查阅类库的方便 下面收集的 C/C++ 类库介绍整理来源于文章:C++ 资源之不完全导引(作者:曾毅、陶文),这篇文章曾发表于 2004 年 5 月《CS

zhongkeli的专栏 2856

AUTOSAR TcpIp模块 以太网配置开发2

someip协议之tcpIp协议

汽车电子电气 1086

开发库 C++

C/C++ 开发库 | C/C++ Development Library 这里收集一些著名的 C/C++ 开发库、SDK、类库、可复用类与结构代码 等信息,列举它们的介绍、参考和网站链接,为各位 C/C++ 程序员和爱好者提供检索和查阅类库的方便 下面收集的 C/C++ 类库介绍整理来源于文章:C++ 资源之不完全导引(作者:曾毅、陶文),这篇文章曾发表于 2004 年 5 月《CS

菜头 1571

OSG第三方库编译之二十一:minizip编译(Windows、Linux、Macos环境下编译)

OSG编译;第三方库;跨平台编译;minizip编译(Windows、Linux、Macos环境下编译)

LuckyHanMo的博客 2626

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

C/C++ 开发库 | C/C++ Development Library http://blog.youkuaiyun.com/herorenme/article/details/18795935

C/C++ 开发库 | C/C++ Development Library 分类: VC/C++2014-01-26 15:00 390人阅读 评论(0) 收藏 举报 这里收集一些著名的 C/C++ 开发库、SDK、类库、可复用类与结构代码 等信息,列举它们的介绍、参考和网站链接,为各位 C/C++ 程序员和爱好者提供检索和查阅类库的方便。 下面收集的 C/C++ 类库介绍整

诺尔曼 1396

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

C/C++ Development Library

这里收集一些著名的 C/C++ 开发库、SDK、类库、可复用类与结构代码 等信息,列举它们的介绍、参考和网站链接,为各位 C/C++ 程序员和爱好者提供检索和查阅类库的方便 下面收集的 C/C++ 类库介绍整理来源于文章:C++ 资源之不完全导引(作者:曾毅、陶文),这篇文章曾发表于 2004 年 5 月《优快云 开发高手》 上文中介绍的类库有些已经多年未见发布和网站内容的更新了,特别是一些

diligentcat的专栏 1029

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

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")

C++ 库

-------------------------------------------------------------------------------------------------------------------------------- 基础类 1、 Dinkumware C++ Library 参考站点:http://www.dinkumware.c

mergerly的专栏 2929

C/C++源码网站

为什么80%的码农都做不了架构师?>>> ...

weixin_34034670的博客 193
上一篇: 用 GetEnvironmentVariable 获取常用系统环境变量
下一篇: google-glog功能介绍
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