C++20完整指南:子范围、参考视图与归属视图详解
2025-06-24 10:06:43作者:咎岭娴Homer
概述
本文将深入探讨C++20标准库中三种重要的视图类型:子范围(subrange)、参考视图(ref_view)和归属视图(owning_view)。这些视图类型为处理范围提供了灵活且高效的方式,是现代C++范围编程的重要组成部分。
子范围(std::ranges::subrange)
基本概念
子范围是一种轻量级视图,用于表示现有范围内的一个连续元素序列。它通常由一对迭代器(开始和结束)或一个迭代器加计数来定义。
核心特性
- 元素类型:与传入迭代器的值类型相同
- 要求:至少需要输入迭代器
- 类别:继承自传入迭代器的类别
- 租借范围:总是(即不拥有元素)
- 常量可迭代:当传入迭代器可复制时
使用示例
std::vector<int> coll{0, 8, 15, 47, 11, -1, 13};
std::ranges::subrange s1{std::ranges::find(coll, 15),
std::ranges::find(coll, -1)};
// 输出: 15 47 11
工厂函数
std::views::counted()可用于从迭代器和计数创建子范围:
auto v = std::views::counted(coll.begin(), 3);
特殊特性
子范围可以是大小已知的(sized)或未知的(unsized),这取决于:
- 传入的迭代器类型(随机访问迭代器通常产生大小已知的子范围)
- 是否显式提供了大小参数
类似元组的接口
子范围支持结构化绑定,可以方便地分解为开始和结束迭代器:
auto [beg, end] = std::ranges::subrange{coll};
参考视图(std::ranges::ref_view)
基本概念
参考视图提供了一种轻量级方式来引用现有范围,类似于引用包装器,但专为范围设计。
核心特性
- 元素类型:与传入范围相同
- 要求:至少需要输入范围
- 租借范围:总是
- 传播常量性:从不
使用示例
std::vector<std::string> coll{"love", "of", "my", "life"};
std::ranges::ref_view v{coll}; // 引用coll
工厂函数
std::views::all()可用于创建参考视图:
auto v = std::views::all(coll);
注意事项
- 只能为左值创建参考视图
- 当底层范围被销毁后,视图将失效
归属视图(std::ranges::owning_view)
基本概念
归属视图是唯一拥有元素所有权的视图类型,通过移动语义获取范围的元素。
核心特性
- 元素类型:与传入范围相同
- 要求:至少需要输入范围
- 传播常量性:总是
- 不可复制:只能移动
使用示例
std::vector vec{0, 8, 15};
std::ranges::owning_view v{std::move(vec)}; // 移动vec到视图
工厂函数
std::views::all()可用于创建归属视图:
auto v = std::views::all(std::move(coll));
注意事项
- 只能为右值创建归属视图
- 创建后会转移原范围的所有权
比较与选择指南
| 特性 | 子范围 | 参考视图 | 归属视图 |
|---|---|---|---|
| 所有权 | 无 | 无 | 有 |
| 创建方式 | 迭代器对/计数 | 左值范围 | 右值范围 |
| 复制语义 | 可复制 | 可复制 | 仅可移动 |
| 典型用途 | 表示范围子集 | 轻量级引用范围 | 获取范围所有权 |
实际应用建议
- 当需要处理范围的一部分时,使用子范围
- 当需要轻量级引用现有范围时,使用参考视图
- 当需要获取范围所有权并延长其生命周期时,使用归属视图
- 优先使用工厂函数(
views::all,views::counted)而非直接构造视图
总结
C++20引入的这些视图类型为范围处理提供了强大而灵活的工具。理解它们的特性和适用场景,可以帮助开发者编写更高效、更现代的C++代码。子范围适合处理范围子集,参考视图提供轻量级引用,而归属视图则解决了临时范围所有权问题。合理选择和使用这些视图,可以显著提升代码的清晰性和性能。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1