Expected 库使用教程
2026-01-17 09:40:26作者:何举烈Damon
1. 项目介绍
Expected 是一个 C++ 库,由 TartanLlama 开发,它提供了一种处理预期异常的方式,类似于 Rust 的 Result 和 Swift 的 Optional。该库使程序员能够在不抛出传统异常的情况下表示可能的失败情况,从而使错误处理更加清晰和结构化。
2. 项目快速启动
安装
首先,确保你的系统已经安装了 CMake。然后,克隆仓库并构建库:
git clone https://github.com/TartanLlama/expected.git
cd expected
cmake .
make
使用示例
在你的代码中,你可以这样导入 Expected 并使用它:
#include "expected.hpp"
tll::expected<int, std::runtime_error> computeSomething() {
if (/* 出现错误条件 */) {
return std::runtime_error("计算出错");
}
return 42; // 成功时返回值
}
int main() {
auto result = computeSomething();
if (result) {
std::cout << "计算结果:" << *result << std::endl;
} else {
std::cerr << "错误:" << result.error().what() << std::endl;
}
return 0;
}
3. 应用案例和最佳实践
- 错误处理:在函数或方法中,可以返回
Expected<T,E>来表达可能的成功值T或者失败原因E。 - 避免异常:如果你的应用场景不支持或者不喜欢使用异常,
Expected提供了一个替代方案。 - 链式操作:
Expected可以与其他返回Expected的函数组合使用,使得错误传播变得更加容易。
tll::expected<int, std::runtime_error> multiply(int a, int b) {
if (b == 0) {
return std::runtime_error("除数不能为零");
}
return a * b;
}
auto product = computeSomething()
.and_then(multiply, 5) // 将预期值传递给 multiply 函数
.or_else([](const std::exception_ptr& e) {
std::cerr << "计算过程中遇到错误:" << e.what() << std::endl;
return 0;
});
4. 典型生态项目
- Boost:Boost是一个流行的C++库集合,虽然Boost目前没有内置类似
Expected的功能,但Expected的概念经常被讨论并在一些项目中实现。 - Rust:Rust语言标准库中的
Result类型启发了许多其他语言(包括C++)中类似的错误处理机制,例如Expected。 - Abseil:Google的Abseil库提供了一个名为
absl::StatusOr的类,它是用来封装成功值或错误状态,类似于Expected。
以上就是关于 Expected 库的基本介绍和使用指南。通过这个库,你可以更优雅地管理潜在的错误情况,提高代码的可读性和可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0144- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0110
项目优选
收起
暂无描述
Dockerfile
730
4.71 K
Ascend Extension for PyTorch
Python
604
774
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
432
388
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++
994
997
昇腾LLM分布式训练框架
Python
163
196
暂无简介
Dart
983
249
Claude 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 Started
Rust
1.08 K
144
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
234
🎉 (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
1.67 K
978
deepin linux kernel
C
29
16