编译器与默认构造函数

C++编译器会对没有构造函数的类生成默认构造函数吗? 之前在上C++的课的时候,印象中有那么一句话: 如果一个类没有任何构造函数,那么编译器会生成一个默认的构造函数 今天在看《深度探索C++对象模型》的第二章:“构造函数语意学”的时候发现之前听到的说法是错误的。 比如说如下代码: class A { public: int a; }; int main(void) { A a; a.a = 4; A a2; ... 阅读详情
 

C++新手一般有两个常见的误解:

a.       任何一个class如果没有定义default constructor,就会被合成一个出来

b.       编译器合成出来的default constructor会明确设定class内每一个data member的默认值。

 

对于问题1,C++ Standard规定:

对于class X, 如果没有任何user-declared constructor, 那么会有一个default constructor被implicitly 声明出来, 一个被暗中声明出来的default constructor,将是一个trivial constructor, 即,在函数体内没有逻辑的处理,连赋值都没有。而这样的constructor,编译器实际上并不会真的把他们合成出来。

 

对于问题2,C++ Standard规定:

在合成default constructor时,只有关于class object的部分会被初始化,所有其他的nonstatic data member,都不会被初始化,因为这些对编译器来说不是必要的。

 

那么什么时候,编译器必须要合成一nontrivial的default constructor呢?

 

(1)如果class A内含一个的member class object B, 且该B带有自定义的default constructor。

很明显,如果编译器认为class A声明的还是trivial constructor, 那么编译器就不可能用通用的语意,来构造B, 因为B的default constructor很可能带有自定义逻辑,是nontrivial,必须被调用,这与在函数体内没有逻辑的处理,连赋值都没有是冲突的。

那么就必须在构造时,为A合成一个default constructor,在合成的函数体内包含能够调用B的default constructor,如果有多个member objects, 那么C++语言要求以member objects在class 中的声明次序,来调用各个default  constructors。

 

(2)如果一个没有任何constructors的class A派生自一个“带有default constructor”的base class C

很明显,如果编译器认为class A声明的还是trivial constructor, 那么编译器就不可能用通用的语意,来构造基类C, 因为C的default constructor很可能带有自定义逻辑,是nontrivial,必须被调用,这与在函数体内没有逻辑的处理,连赋值都没有是冲突的。

那么就必须在构造时,为A合成一个default constructor,在合成的函数体内包含能够调用C的default constructor, 需要注意的是,如果A提供多个constructors,但其中都没有default constructor,那么编译器会扩张现有的每一个constructors,将“用以调用所有必要之default constructors”的代码加进去,而不会合成一个新的default constructor.

 

(3)class声明或继承一个virtual function

由于一个virtual function table -- vptr, 会被编译器产生出来,内放class的virtual functions地址。

为了给vptr设定初始,放置适当的virtual table地址,编译器会为他们合成一个默认构造函数,以便正确的初始化每一个class object的vptr.

 

(4) class派生自一个继承串链,其中有一个或更多的虚基类

所有经由reference或pointer来存取一个virtual base class的操作,都可以通过为每一个virtual base classes 安插一个指针,来完成。这个工作由编译器为构造函数合成。

 

综上所述,如果编译器认为,当前默认构造函数不需要添加任何逻辑操作,就不会被合成,否则,就在调用时,被合成出来。

参考自

C++ Object Model --- The Semantics of Constructors

Oracle19c SYSAUX表空间爆满?手把手教你清理SM/ADVISOR和AUDSYS占用(附完整SQL) 本文详细解析了Oracle19c中SYSAUX表空间爆满的常见原因及解决方案,重点针对SM/ADVISOR和AUDSYS组件的空间占用问题提供了完整的SQL清理脚本。通过诊断查询、空间清理和预防性维护策略,帮助DBA有效管理SYSAUX表空间,确保数据库稳定运行。 阅读详情

相关推荐

电涡流位移测量技术深度解密

电涡流位移传感器凭借非接触测量、高精度(可达纳米级)、强环境适应性(耐高温高压油污)等优势,成为工业精密位移检测的核心技术。其工作原理基于电磁感应:高频磁场在金属靶面感应涡流,通过检测线圈阻抗变化转化为位移信号。应用需注意靶材依赖性(需按实际材料标定)、安装精度及抗干扰措施。广泛应用于磁悬浮轴承、航空发动机、精密制造等领域,实现对微米级位移的可靠监测。

技术工作者 1762

关于C++类的几种编译器默认提供的构造函数和析构函数总结

出来工作2个月了,因为最近用到一些平时用的比较少C++11的构造函数,今天有时间就总结一下

qq_41949110的博客 1887

LLM Agent技能稳定性实战:从规划、工具到记忆的故障排查与优化

大语言模型(LLM)与外部工具的结合,催生了能够自主规划并执行复杂任务的智能体(Agent)。其核心原理在于通过规划模块解析用户意图,调用合适的工具集,并借助记忆模块管理上下文,从而将LLM的推理能力转化为可落地的技术价值。在实际应用中,Agent的稳定性常受制于模糊的规划指令、不匹配的工具描述、糟糕的上下文管理以及脆弱的输出解析。这些故障点直接影响了其在自动化客服、数据分析、智能助手等应用场景中的可靠性。本文聚焦于Agent的“技能”执行链,深入探讨了如何通过模块化设计、高质量的工具描述(如清晰定义输入输

weixin_42624889的博客 252

C++面向对象编程之——构造函数(一)

之前学习C++面向对象编程,只知道构造函数是创建实例对象时被自动调用;然后陆续看了一些书,知识点比较分散,现对构造函数进行一个全面总结,以便更加深入理解构造函数。 目录 构造函数是什么? 构造函数形式? 默认构造函数 构造函数初始化列表 1.构造函数是什么? 构造函数:类中通过一个或者多个特殊的成员函数来控制其对象初始化过程。构造函数的任务是初始化类中的数据成员,无论何...

program_Three3的博客 970

从Bit到MCS:深度解析Xilinx FPGA程序固化流程与文件选型

本文深度解析Xilinx FPGA程序从调试到量产的固化流程,重点对比BIT、BIN、MCS和ELF四种文件格式的特性与适用场景。针对工业级应用,详细讲解MCS文件的生成优化、Flash烧录避坑指南及三级验证流程,并分享多镜像管理、加密安全等高级技巧,帮助开发者提升FPGA量产可靠性。

weixin_30924239的博客 327

STM32F411CEU6实战:用W25Q64存储多张图片,在240x240 LCD上轮播显示(附源码)

本文详细介绍了如何使用STM32F411CEU6通过SPI接口管理W25Q64 Flash中的多张图片,并在240x240 LCD上实现平滑轮播显示。内容涵盖硬件配置、图片存储方案设计、轮播系统实现及性能优化技巧,特别针对SPI传输优化和多图存储管理提供了实用解决方案。附源码,适合嵌入式开发者参考。

weixin_32025789的博客 312

C#--构造函数

使用构造方法能解决: 1)在赋初值的时候重复的书写对象名 2) 假如我们有一个属性,不允许用户随意改动,我们一般把这个属性定义为只读类型的属性,那么这个只读类型的属性就不能再实例化后对他赋值,那么我们对他初始化呢?我们可以通过构造方法来进行初始化。 注意: 我们定义好一个类,如果没有写构造方法,那么编译器就会自动在这个类中给我们添加一个没有参数的构造方法。 一旦我们写了一个构造方法,...

萍踪侠影 805

高通平台蓝牙学习-- 基于WCN6750 Bluetooth 5.2的讲解

摘要:蓝牙5.2解决方案WCN6750具备多项先进特性:完全兼容5.2标准及ANT+协议,支持2Mbps高速BLE和长距离传输;采用射频集成方案,与WLAN共享天线并支持5G并发;内置功率放大器,支持Class1/2传输;提供双音频流和Slimbus接口优化。其HCI UART接口支持3.2Mbps速率,通过BlueZ协议栈实现蓝牙5.2功能,包括2Mbps模式和长距离传输,符合核心规范要求。(149字)

专业开发者的博客,一个从事Android WiFi和蓝牙的工程师 3万+

关于“编译器会生成默认的构造函数”之剖析

开篇先列一下本篇文章要解释的几个知识点 背景:我们知道,如果类中没有显式定义构造函数,则C++编译器会自动生成一个无参的默认构造函数。 本节剖析: (1)如果没有显式定义,编译器真的会生成默认构造函数吗? (2)在什么场景下,编译器会生成默认构造函数,什么场景下不会? 以一个简单的日期类来探索今天的主题 例1: class Date { public: private: int...

melody_1016的博客 1632

第一章:基础知识 - 概念与基础,理解什么是功耗

电源管理与功耗调优:实战项目经验分享

坚韧与专注 887

21天教你学会PCIe专栏(15)--高级功能 - SR-IOV 和 MR-IOV

1.1 定义I/O虚拟化(I/O Virtualization):I/O虚拟化是指在虚拟化环境中,通过硬件和软件技术,将物理I/O资源抽象为虚拟I/O资源,提供给虚拟机(VM)使用。1.2 目标性能:提高虚拟机的I/O性能,减少虚拟化开销。隔离:确保虚拟机之间的I/O资源隔离,防止相互干扰。灵活性:灵活分配和管理I/O资源,提高资源利用率。通过今天的学习,你应该对SR-IOV和MR-IOV的基本概念、工作原理、主要特性和应用场景有了深入的了解,掌握了配置和使用这些高级功能的方法。

xiaoheshang_123的博客 1461

C++ 中编译器什么情况才会帮用户创建默认构造函数

用户未定义默认构造函数时,编译器一定会帮你创建默认构造函数吗? 答:不一定 那么什么时候编译器才会帮创建默认构造函数呢 以下四种情况,用户未定义默认构造函数的情况下编译器才会创建默认构造函数 1、“带有Default Constructor” 的Member Class Object 2、“带有Default Constructor” 的Base Class 3、"带有Virtual ...

神技圈子的博客 4994

R语言机器学习算法实战系列(十三)随机森林生存分析构建预后模型 (Random Survival Forest)

本教程运用随机森林生存分析筛选与患者生存状态显著相关特征。该方法借随机森林这一强大机器学习算法,构建多棵决策树并集成结果,以提高生存分析准确性,识别关键生物标志物。接着,利用选定特征构建风险得分,将多个特征转化为单一数值,量化患者风险水平。之后,依据风险得分将患者分为高、低风险亚型,为临床治疗提供个性化指导。最后,通过分析时间依赖的 ROC 曲线评估模型长期预测能力。此曲线计算不同阈值下的真正例率与假正例率,在多个时间点评估,全面展现模型长期稳定性与准确性。

专注生信领域 2030

何时编译器会自动生成默认构造函数

问题:对c++初学者来说存在一个误区,如果类没有定义任何构造函数,编译器会自动生成默认的构造函数。 注意:这种说法是错误的。 正确的说法:惟有默认构造函数”被需要“的时候编译器才会合成默认构造函数。 那什么情况下是“被需要”的时候? 以下有四种情况编译器会自动合成默认构造函数 情况1含有类对象数据成员,该类对象类型有默认构造函数 即:一个class含有类对象数据成员,该类对象类型...

weixin_41066529的博客 2373

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

编译器何时调用默认构造函数

<br />总的来说,编译器只在它需要的时候才会合成一个默认构造函数,或者扩张所有已存在的构造函数。 <br /><br />一个类满足下列其中任何一个条件: <br />1.包含了一个类的对象,这个对象有一个构造函数(包括编译器合成的默认构造函数) <br />2.如果继承自一些基类,其中某些基类有一个构造函数(包括编译器合成的默认构造函数) <br />3.有一个虚函数,或者继承到了虚函数 <br />4.有虚基类 <br /><br />如果这个类没有默认的构造函数,编译器就会合成一个默认的构造函数,

qishiriyaoyu的专栏 1131

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

编译器自动生成默认构造函数的四种情况

在以下四种情况中,如果类中没有定义一个默认构造函数,则编译器会自动生成一个nontrivial的默认构造函数,而不是一个不做事情的trivial默认构造函数:1.内含一个成员变量,而这个成员变量所属的类中含有默认构造函数,则此时需要为此类生成一个implicit default constructor(隐式的默认构造函数),这个implicit default constructor是nontri...

weixin_33752045的博客 1382

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")

关于编译器生成默认构造函数的理解

构造函数 默认构造函数 无参的构造函数、全缺省构造函数、我们没写编译器默认生成的构造函数,都可以称之为默认构造函数; 默认构造函数只能有一个 1、如何理解 “ 如果用户不显示定义构造函数,编译器会生成默认构造函数 ” ? 例1:不显式定义构造函数 class Date { private: int _year; int _month; int _day; }; int main() { Date d; system("pause"); return 0; } 从监视窗口可以看到

徐佳佳的博客 831

C++ 编译器生成默认构造函数的四种情况

编译器什么时候 会生成默认构造函数 C++ 编译器生成默认构造函数的四种情况 c++新手的两个误解: 1)任何类如果没有定义默认构造函数,就会被合成出来一个。 2)编译器合成出来的默认构造函数会显式设定“类内每一个数据成员的默认值”。 上述两种说法都是错误的! C++ 编译器生成默认构造函数的四种情况: 1)类成员中有成员是类对象,并且该成员的类含有默认构造函数。那么C++编译器会给这个类也生成一个默认构造函数,用来调用其成员对象的构造函数,完成该成员的初始化构造。如果这个成员的类没有给出默认构造函数,那么

ZZHinclude的博客 688

关于编译器是否合成默认构造函数

1.我的疑惑 语言标准,和编译器实现是不同的。语言标准感觉就像需求吧,编译器实现则是具体的实现。语言标准中甚至有很多未定义的地方,比如【未指定的值】到底是多少,到底用【未指定的值】还是【陷阱标识】作为默认初始化基本数据类型的初值。再比如ungetc函数,这个更乱。 对于编译器合成默认构造函数问题,我一直有疑惑,c++ primer上说: 如果我们的类没有显式地定义构造函数, 那么编译器就会为我们隐...

Rachelint的博客 432

C++ 编译器提供的合成默认构造函数详解

转载地址:https://www.cnblogs.com/QG-whz/p/4676481.html#_label0_0 以下内容是我自己添加的: 这里说的编译器提供的默认合成构造函数指的是nontrivial default constructor,即有用的默认合成构造函数。 对于Class X,如果没有用户声明的构造函数,那么会有一个默认的构造函数被隐式声明出来,这个声明出来的默认构造...

路漫漫其修远兮 1232

关于默认构造函数的几个错误认识(四种情况下,编译器会生成默认构造函数)

书上提到没有定义构造函数时进行显式初始化成员,我很纳闷,不是说没有定义构造函数的时候会合成默认构造函数吗,自己查了下,果然查到了一下转载的内容:不是未定义构造函数就一定会合成默认构造函数的!        转自:http://www.cppblog.com/chenglong7997/articles/169731.html        假期间闲来无事,就下载了某大师的VC++视频资

u011569303的专栏 2775

编译器生成默认构造函数的四种情况

摘要:本文详细分析了编译器生成默认构造函数的四种情况:1)类包含有默认构造函数的成员对象;2)基类有默认构造函数;3)类包含虚函数;4)继承自虚基类。通过代码示例展示了每种情况的具体表现,并对比了编译器不会生成默认构造函数的场景。文章遵循"按需生成"原则,强调编译器只在必须执行初始化操作时才会隐式生成默认构造函数。最后以表格形式总结了各种情况,为理解C++构造函数机制提供了清晰指导。

铭哥不写bug的博客 269

C++编译器合成默认构造函数的真相

阅读目录 正文 2.基类带有默认构造函数的派生类。3. 带有虚函数的类  4.带有虚基类的类 什么是默认构造函数?默认构造函数什么时候被调用?理解“被需要”这三个字 何时默认构造函数才会被编译器需要?总结   正文      对于C++默认构造函数,我曾经有两点误解: 类如果没有定义任何的构造函数,那么编译器(一定会!)将为类定义一个合成的默认

ShaderJoy 的兴趣技术杂货铺 1555

编译器自动生成默认构造函数的情况

在程序员没有为类定义默认构造函数的情况下,C++编译器在某些情况下会自动生成默认构造函数。 1.类中包含的其他有默认构造函数的类的对象 例如: Class A { private:     int data; public:     A(); }; A::A() {     this->data = 10; }   Class B { private:    

CHALLENG_EVERYTHING的专栏 2121

C++编译器何时为用户提供默认构造函数

第一种是类成员中有成员是类对象,并且该成员的类含有默认构造函数,那么C++编译器会帮你给这个类也生成一个默认构造函数,用来调用其成员对象的构造函数,完成该成员的初始化构造。需要强调的是,如果这个成员的类也没有给出默认构造函数,那么C++编译器也不会帮你生成该类的默认构造函数。

Hackbuteer1的专栏 4403
上一篇: IEnumerable和IEnumerator的使用
下一篇: 字段与属性的区别
ProgramRookie
博客等级 码龄18年 26粉丝 72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