C++20 范围视图:take、drop 及其变体详解
2025-06-24 09:51:07作者:尤辰城Agatha
本文基于 CXX20-The-Complete-Guide 项目内容,深入解析 C++20 标准库中的四种重要范围视图:take_view、take_while_view、drop_view 和 drop_while_view。这些视图为开发者提供了强大的范围操作能力,能够高效地处理和转换数据序列。
1. take_view:获取前 N 个元素
1.1 基本概念
std::ranges::take_view 是一个范围适配器,用于获取源范围的前 N 个元素。其核心特性包括:
- 类型:
std::ranges::take_view<> - 内容:源范围的前 N 个元素(最多)
- 适配器:
std::views::take() - 元素类型:与源范围相同
- 要求:至少是输入范围
1.2 使用方式
take_view 可以通过构造函数或适配器创建:
std::vector<int> data{1, 2, 3, 4, 5, 6};
// 使用构造函数
auto tv1 = std::ranges::take_view{data, 3};
// 使用适配器
auto tv2 = std::views::take(data, 3);
auto tv3 = data | std::views::take(3);
1.3 特殊优化
适配器会根据输入类型进行智能优化:
- 输入为空视图时直接返回空视图
- 对于随机访问范围,可能返回优化后的子范围(如子范围、iota视图等)
1.4 性能特点
- 迭代器:使用源范围的迭代器
- 通用性:当源范围是通用范围时,take_view 也是通用范围
- 缓存:无缓存机制
2. take_while_view:获取满足条件的连续元素
2.1 基本概念
std::ranges::take_while_view 获取源范围中满足谓词条件的连续前导元素:
- 类型:
std::ranges::take_while_view<> - 内容:满足谓词的前导连续元素
- 适配器:
std::views::take_while()
2.2 使用示例
std::vector<int> data{1, 2, 3, 4, 5};
auto is_less_than_4 = [](int x) { return x < 4; };
// 获取小于4的连续前导元素
auto twv = data | std::views::take_while(is_less_than_4);
// 结果:1, 2, 3
2.3 注意事项
- 谓词必须满足
std::predicate概念 - 谓词不应修改传递的值(应声明为按值或const引用接收参数)
3. drop_view:跳过前 N 个元素
3.1 基本概念
std::ranges::drop_view 与 take_view 相反,它跳过源范围的前 N 个元素:
- 类型:
std::ranges::drop_view<> - 内容:源范围中除前 N 个元素外的所有元素
- 适配器:
std::views::drop()
3.2 使用示例
std::vector<int> data{1, 2, 3, 4, 5};
auto dv = data | std::views::drop(2);
// 结果:3, 4, 5
3.3 性能特点
- 缓存机制:首次调用 begin() 时会缓存结果(除非是随机访问范围)
- 性能建议:重用 drop_view 比重复创建更高效
3.4 注意事项
- 修改底层范围后,缓存的迭代器可能失效
- const drop_view 的迭代能力受限(需要随机访问范围)
4. drop_while_view:跳过满足条件的连续前导元素
4.1 基本概念
std::ranges::drop_while_view 跳过源范围中满足谓词条件的连续前导元素:
- 类型:
std::ranges::drop_while_view<> - 内容:跳过满足谓词的前导元素后的所有元素
- 适配器:
std::views::drop_while()
4.2 使用示例
std::vector<int> data{1, 2, 3, 4, 5};
auto is_less_than_3 = [](int x) { return x < 3; };
auto dwv = data | std::views::drop_while(is_less_than_3);
// 结果:3, 4, 5
4.3 特殊注意事项
- 缓存机制:总是缓存 begin() 结果
- const限制:const drop_while_view 不能调用 begin()
5. 综合比较
| 特性 | take_view | take_while_view | drop_view | drop_while_view |
|---|---|---|---|---|
| 缓存机制 | 无 | 无 | 有 | 有 |
| 通用范围 | 可能 | 从不 | 可能 | 可能 |
| 长度范围 | 可能 | 从不 | 可能 | 可能 |
| 常量可迭代 | 可能 | 可能 | 受限 | 从不 |
6. 实际应用建议
- 性能优化:对于 drop 系列视图,尽量重用视图对象而非重复创建
- 范围修改:避免在修改底层范围后继续使用缓存的视图
- 泛型编程:使用转发引用(auto&&)处理可能为const的视图
- 谓词安全:确保谓词不修改传递的值,按值或const引用接收参数
这些范围视图为C++20中的范围处理提供了强大的工具,合理使用可以显著提高代码的简洁性和效率。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
387
458
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++
894
680
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
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
805
198
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781