C++20 范围视图:take、drop 及其变体详解
2025-06-24 00:21:43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
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
182
196
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++
648
265
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
274
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
380
3.41 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