【C语言】strcpy与strncpy函数的使用和模拟实现

本文介绍了C语言中strcpy和strncpy函数的用法,包括注意事项(如目标空间大小、终止符等),并提供了安全的模拟实现,强调了缓冲区溢出的风险及其防范措施。

一.strcpy的使用与模拟实现

char* strcpy(char * destination, const char * source ); 

使用注意事项:

• 源字符串必须以 '\0' 结束。
• 会将源字符串中的 '\0' 拷贝到目标空间。
• 目标空间必须足够大,以确保能存放源字符串。
• 目标空间必须可修改。

#include <stdio.h>
#include <string.h>
int main()
{
    char dest[10];
    const char *src = "hello";
    strcpy(dest, src);
    printf("复制的字符串:'%s'\n", dest);
    return 0;
}

模拟实现:

char *my_strcpy(char *dest, const char*src)
{
    char *ret = dest;
    assert(dest != NULL);
    assert(src != NULL);
    while((*dest++ = *src++))
    {
        ;
    }
    return ret;
}

        strcpy 不检查目标缓冲区的大小,因此如果目标缓冲区不够大,可能会导致缓冲区溢出,这是一个严重的安全风险。建议使用 strncpy并指定最大复制长度,以避免这种风险。

二.strncpy的使用与模拟实现

char * strncpy ( char * destination, const char * source, size_t num ); 

使用注意事项:

  • 拷贝num个字符从源字符串到目标空间。
     
  • 如果源字符串的长度小于num,则拷贝完源字符串之后,在目标的后边追加0,直到num个。
    #include <stdio.h>
    #include <string.h>
    int main()
    {
        char dest[10];
        const char *src = "hello world";
        strncpy(dest, src, 5);
        dest[5] = '\0'; // 注意:必须手动添加终止空字符
        // 现在 dest 是 "hello"
        return 0;
    }

模拟实现

char *my_strncpy(char *dest, const char *src, size_t n) {
    char *dest_save = dest;
    while (n && *src) {
        *dest++ = *src++;
        n--;
    }
    while (n--) {
        *dest++ = '\0'; // 如果 n 大于 src 字符串的长度,填充剩余位置为空字符
    }
    return dest_save;
}

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集测试集(默认7:3)。 数据归一化:使用mapminmax将输入输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论 2
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