如何判断任一内存地址是堆上的还是栈上,若是堆上的返回该内存长度

本文介绍了如何判断内存地址是否属于堆内存,以及如果是堆内存,如何计算其分配的长度。通过分析new操作的内存布局,利用_CrtMemBlockHeader结构体,查找内存块的头部和尾部标识来实现这一功能。文章还提到了栈和堆的生长方向,以及在Win64平台上的内存对齐和类大小计算。并提供了实例代码进行演示。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

很早以前就想过这个问题:看到一个内存地址,如果判断这个地址是不是堆上的,若是,new出来的长度是多少字节?深入了解了new和delete的源码后,终于把这个方法找到了,在此分享给大家。

每个进程启动时候会有4G的虚拟内存,分为堆区、栈区、静态存储区、常量区、代码段、数据段和内核空间,而对每个线程,默认分配给其1MB空间。计算机一般采用的是小端模式存储,栈是向低地址生长,堆是向高地址生长。处于Ring3的应用程序是不可以访问内核空间(2G-64KB)的。

下面说一下new,新分配的内存前48字节为结构体_CrtMemBlockHeader(最后一个成员gap[4]=fdfdfdfd),后4字节为fdfdfdfd;这52字节时new的内存前后标示,若被破坏,则释放时会检查报错。于是可用下买呢方法来确定该地址是否在堆上,并计算出其长度:

//<<判断任一内存地址是否是堆内存,若是则返回内存长度,若不是返回-1

inline int CalcMemLen(void *pSrc, longfindRange = 10000)

{

         //crt头文件不能包含,这里定义下

         typedefstruct _CrtMemBlockHeader

         {

                   struct_CrtMemBlockHeader * pBlockHeaderNext;

                   struct_CrtMemBlockHeader * pBlockHeaderPrev;

                   char*                      szFileName;

                   int                         nLine;

#if defined (_WIN64)|| defined (WIN64)

                   int                         nBlockUse;

                   size_t                      nDataSize;

#else  /* _WIN64 */

                   size_t                      nDataSize;

                   int                         nBlockUse;

7-1 哈夫曼编码 分数 10 作者 黄龙军 单位 绍兴文理学院 对于给定的文本内容,要求采用哈夫曼编码并输出编码后的内容。文本内容由英文字母构成,这里约定不区分字母的大小写。注意,这里约定构造哈夫曼树时,任一结点的左孩子权值不大于右孩子权值,哈夫曼编码时,左分支写'0'右分支写'1';若两个字母的权值相等,则字典序小的字母优先;对于相等的权值,按出现的先后顺序处理。 例如,对于样例1,因不区分大小写,若按大写字母处理,则字母A、B、C、D的出现次数为4、1、2、1,则B对应的1为左孩子,D对应的1为右孩子,得到的父结点权值为2,比原有的2晚出现,因此原来的2为左孩子,新得到的2作为右孩子,对于两个权值4也类似处理。构造所得的哈夫曼树如下图所示。 哈夫曼树.png 输入格式: 测试数据有多组,处理到文件尾。每组测试数据在一行上输入一个字符串(仅由大小写英文字母构成且长度不超过360,至少包含2种字母)表示文本内容。 输出格式: 对于每组测试数据,输出哈夫曼编码后的内容。 输入样例: AcBDaCAA eAbCDaAAA 输出样例: 01011011101000 01110000010101111 来源: 黄龙军, 等. 数据结构与算法(Python版),上海: 上海交通大学出版社, 2023. ISBN: 9787313280732 代码长度限制 16 KB 时间限制 400 ms 内存限制 64 MB 限制 8192 KB
最新发布
04-03
### 哈夫曼编码的实现方法 哈夫曼编码是一种基于贪心算法的数据压缩技术,其核心在于通过构造最优二叉树(即哈夫曼树),使得频率较高的字符对应较短的编码长度,从而达到高效压缩的目的。以下是其实现的具体过程: #### 1. 统计字符频次 首先需要统计输入字符串中各个字符出现的次数,并将其作为权值存储到一个列表中。可以通过 `collections.Counter` 来快速完成这一操作[^2]。 ```python from collections import Counter def count_characters(text): frequency = Counter(text.lower()) # 将文本转换为小写并计算频次 return list(frequency.items()) ``` #### 2. 构建优先队列 利用字符及其对应的频次构建一个节点对象集合,并按权重从小到大排列。可以借助 Python 的 `heapq` 模块来维护这个最小堆结构[^4]。 ```python import heapq class Node: def __init__(self, char=None, freq=0, left=None, right=None): self.char = char self.freq = freq self.left = left self.right = right def __lt__(self, other): # 定义比较规则以便于 heapify 使用 return self.freq < other.freq ``` 接着初始化这些节点并将它们加入到堆中: ```python def build_heap(freq_list): heap = [] for char, freq in freq_list: node = Node(char=char, freq=freq) heapq.heappush(heap, node) return heap ``` #### 3. 合并节点形成哈夫曼树 不断取出两个具有最低频率的节点组合成一个新的内部节点,直到只剩下一个根节点为止[^1]。 ```python def merge_nodes(heap): while len(heap) > 1: first_node = heapq.heappop(heap) second_node = heapq.heappop(heap) merged_freq = first_node.freq + second_node.freq internal_node = Node(None, merged_freq, first_node, second_node) heapq.heappush(heap, internal_node) return heap[0] # 返回最终形成的哈夫曼树根节点 ``` #### 4. 获取哈夫曼编码表 从根节点出发递归遍历整棵树,在左分支上标记 `'0'` ,右分支上标记 `'1'` 。当到达叶子结点时记录下当前路径所代表的编码[^3]。 ```python def generate_codes(node, current_code="", code_dict={}): if not node: return None if node.char is not None: # 叶子节点 code_dict[node.char] = current_code or "0" generate_codes(node.left, current_code+"0", code_dict) generate_codes(node.right, current_code+"1", code_dict) return code_dict ``` #### 5. 编码与解码功能 最后编写函数分别用来执行实际的编码和解码工作流程。 ```python def huffman_encode(data, codes): encoded_text = "" for character in data.lower(): encoded_text += codes.get(character, "") return encoded_text def decode_huffman(encoded_data, root): decoded_output = "" current_node = root for bit in encoded_data: if bit == '0': current_node = current_node.left elif bit == '1': current_node = current_node.right if current_node and current_node.char is not None: decoded_output += current_node.char current_node = root return decoded_output ``` 以上就是完整的哈夫曼编码实现方案。 --- ###
评论 1
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