一起talk C栗子吧(第一百六十七回:C语言实例--控制终端字符颜色)

本文介绍如何在Linux终端中使用printf函数的格式化序列控制字符颜色和显示方式,包括加粗、斜体等效果。

各位看官们,大家好,上一回中咱们说的是大小写字符转换的例子,这一回咱们说的例子是:控制终端字符颜色 。闲话休提,言归正转。让我们一起talk C栗子吧!


看官们,我们在Linux终端中使用Linux命令时,会出现各种颜色的文字,最常见的是ls命令。下面是运行ls -al命令后的屏幕截图,大家从图中可以看到各种颜色的字体:

这里写图片描述

那么如何让我们自己写的程序也产生这些五颜六色的字体呢?我们可以通过printf()函数的格式化序列进行控制。我们看一下printf()的函数原型:

       int printf(const char *format, ...);

该函数的参数数量是可变的,不管再怎么变,它的第一个参数就是格式化序列,它用来控制输出内容的格式。在该格式化序列中,有一些特殊功能需要借助转义序列来实现,最常用的转义序列是“\n",它表示输出换行符。这个地球人都知道的功能,我就不举例子了,如果真有哪位看官不知道,那么我到想看看这位外星人长的什么模样。台下看官们都在相互看对方,好像对方就是外星人似的,哈哈。

好了,大家别看外星人了,我们还是一起来看看转义序列吧,这次我们看的是控制终端中文字颜色的转义序列”\033“,这是一个八进制序列,转换为字符后是ESC,因为它不像"\n"一样只有一个字符,所以我们经常用它的八进制形式,详细的使用格式为:

\033[字符的显示方式;字符的颜色;字符的背景颜色m 需要显示的字符 \033[m

其中字符的显示方式、字符的颜色和字符的背景颜色都用数字来表示,不同的数字代表不同的意思,各个数字代表的含义如下:

  • 字符的显示方式:0(默认值)、1(加粗)、2(灰显)、3(斜体)、4(下划线)、7(反显)、9(删除线)
  • 字符的颜色:30(黑色)、31(红色)、32(绿色)、 33(黄色)、34(深蓝色)、35(紫色)、36(浅蓝色)、37(白色)
  • 字符的背景颜色:40(黑色)、41(红色)、42(绿色)、 43(黄色)、44(蓝色)、45(紫色)、46(浅蓝色)、47(白色)

关于这些数字我做一点说明:

  • 每个数字后面都有一个括号,括号中的内容表示该数值对字符的控制形式。比如字符的颜色这一项中,31(红色)表示使用红色来显示字符,我们会在终端中看到printf输出红色的字符。
  • 在字符的显示方式中没有数值5、6和8。因为这几个数值控制的显示方式和默认的显示方式十分类似,所以我没有单独来说明它们代表的显示方式。
  • 字符的颜色及其背景颜色都是从数值x0到x7,只不过这个x的数值一个是3,另外一个是4。数值x7以后的数值没有特别的意义。

接下来我们看个例子:

printf("\033[1;30;47m hello word  \033[m \n");

该例子表示在终端中输出字符串:hello word。字符的显示方式通过转义序列来控制,其含义是:使用加加粗方式显示白底黑字形式的字符串。

看官们,下面是程序的运行结果,该结果中除了包含我们例子中代码的运行结果外,还有其它形式的显示方式,请大家参考:

这里写图片描述

看官们,在例子中为了显示更加清楚一些,我们都使用加粗方式来显示字符,完整的代码放到了我的资源中,大家可以点击这里下载使用。

各位看官,关于控制终端字符颜色的例子咱们就说到这里。欲知后面还有什么例子,且听下回分解


内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
评论 2
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

talk_8

真诚赞赏,手有余香

¥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