CXX20完全指南:深入理解C++20中的using枚举声明
2025-06-24 17:58:58作者:昌雅子Ethen
引言
在现代C++编程中,枚举类型是表示一组相关常量的重要工具。C++11引入了作用域枚举(enum class)来解决传统枚举的一些问题,但同时也带来了一些使用上的不便。C++20通过引入using enum声明,显著改善了作用域枚举的使用体验。本文将深入探讨这一特性及其应用场景。
作用域枚举与传统枚举
传统枚举的问题
传统枚举(无作用域枚举)存在以下问题:
- 枚举值会污染全局命名空间
- 枚举值可以隐式转换为整型
- 枚举类型本身没有明确的作用域
作用域枚举的优势
C++11引入的作用域枚举(使用enum class声明)解决了这些问题:
enum class Status {open, progress, done = 9};
优势包括:
- 强类型,不能隐式转换
- 枚举值必须通过类型名限定访问
- 不会污染全局命名空间
C++20的using枚举声明
基本用法
在C++20之前,使用作用域枚举值必须每次都完整限定:
auto x = Status::open; // 必须使用Status::
C++20引入了using enum声明,可以将枚举值引入当前作用域:
void print(Status s) {
switch (s) {
using enum Status; // 使枚举值在当前作用域可用
case open: // 不再需要Status::
std::cout << "open";
break;
case progress:
std::cout << "in progress";
break;
case done:
std::cout << "done";
break;
}
}
选择性引入
也可以选择性地引入特定枚举值:
void print(Status s) {
switch (s) {
using Status::open, Status::progress, Status::done;
case open:
std::cout << "open";
break;
// ...
}
}
这种方式更精确地控制了哪些名称在当前作用域中可用。
与传统枚举的交互
using enum声明也可以用于传统枚举,虽然这不是必须的:
enum Status {open, progress, done = 9}; // 传统枚举
auto s1 = open; // 传统方式
auto s2 = Status::open; // 也可以限定访问
using enum Status; // 允许但不必要
auto s3 = open; // 仍然可以
auto s4 = Status::open; // 也可以
实际应用场景
1. switch语句简化
如前面的例子所示,using enum特别适合简化switch语句中对枚举值的处理。
2. 减少重复代码
在需要频繁使用枚举值的函数中,可以避免重复的类型限定。
3. 提高代码可读性
当枚举类型名称较长时,using enum可以使代码更简洁易读。
注意事项
- 命名冲突:确保引入的枚举值不会与当前作用域的其他名称冲突
- 作用域控制:只在需要的地方使用
using enum,避免污染更大的作用域 - 可读性权衡:虽然简化了代码,但也可能降低类型信息的明确性
总结
C++20的using enum声明是对作用域枚举使用体验的重要改进。它既保留了作用域枚举的类型安全优势,又提供了更简洁的使用方式。在实际开发中,合理使用这一特性可以在保持代码质量的同时提高开发效率。
对于现代C++开发者来说,理解并善用这一特性是编写更简洁、更安全代码的重要一步。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
Ascend Extension for PyTorch
Python
757
960
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
183
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
646