一、curry
curry,函数柯里化（当然有反柯里化）。在前面分析模板的元编程时，曾经进行过初步的分析和说明。所以柯里化就是把多元参数的函数转换为多个一元函数的方法。更详细的定义大家可以参看以前的“序列和柯里化”。与partial application的不同，柯里化将多参数函数转换为嵌套的单参数函数链，而部分应用直接固定部分参数。前者类似于前面的链式调用并达到相同的函数调用结果；后者则类似于有默认函数参数，可通过模板偏特化来理解更容易。还是先看一个python的例子：
fromtoolzimportcurrydefadd(x,y):returnx+y add=curry(add)func=add(100)print(func(100))print(curry(add)(200)(200))# printf 200 ,400二、模板编程的实现
在前面的Partial application应用实现的过程，现在对比分析，再看一下Curry具体的实现。
- 简单的lambda实现
#include<iostream>#include<functional>automul=[](intx){return[x](inty){return[x,y](intz){returnx*y*z;};};};intmain(){std::cout<<mul(10)(10)(10)<<std::endl;return0;}- 基础的模板实现(含函数反柯里化)
#include<functional>#include<iostream>#include<type_traits>class Curry{public:// curry apitemplate<typename Func>staticautocurry(Func func){returncurried(func);}// uncurry apitemplate<typename CurryFunc>staticautouncurry(CurryFunc curryFunc){return[curryFunc](auto...args){returnrecursiveCall(curryFunc,args...);};}private:template<typename Func,typename...Args>staticautocurried(Func func,Args...args){ifconstexpr(std::is_invocable_v<Func,Args...>){returnstd::invoke(func,args...);}else{return[func,args...](autopn){returncurried(func,args...,pn);};}}template<typename Func,typename P,typename...Args>staticautorecursiveCall(Func func,P p1,Args...args){ifconstexpr(sizeof...(args)==0){// last parameterreturnfunc(p1);}else{// recursive call parametersreturnrecursiveCall(func(p1),args...);}}};inttestMul(inta,intb,intc,intd){returna*b*c*d;}intmain(){// test curryautotestCurry=Curry::curry(testMul);autofirstFunc=testCurry(10);autosecondFunc=firstFunc(20);autothirdFunc=secondFunc(5);intresult=thirdFunc(6);std::cout<<"testMul function result:"<<result<<std::endl;// chain callstd::cout<<"Chain call: "<<testCurry(10)(10)(10)(10)<<std::endl;// uncurryautotestUncurry=Curry::uncurry(testCurry);std::cout<<"testUncurry call result: "<<testUncurry(10,10,10,10)<<std::endl;return0;}- C++20标准实现
#include<functional>#include<iostream>inttestAdd(inta,intb,intc,intd){returna+b+c+d;}template<typename F>autocurry(F&&f){ifconstexpr(std::is_invocable_v<F>){returnf();}else{return[f=std::forward<F>(f)]<typename T>(T&&t)mutable{returncurry([f=std::forward<decltype(f)>(f),t=std::forward<T>(t)]<typename...Ts>(Ts&&...ts)mutable->std::invoke_result_t<F,T,Ts...>{returnstd::invoke(f,std::forward<decltype(t)>(t),std::forward<decltype(t)>(ts)...);});};}}intmain(){autofunc=curry(testAdd);std::cout<<func(1)(2)(3)(4)<<std::endl;// output: 10}curry的实现情况有很多种，上面只是给了一些思路，比如对函数指针、左、右值引用等的处理，都需要进行完善。算是抛砖引玉吧。同样，std::bind系列也可以在柯里化中有用武之地，这里就不再给出具体的例子，大家可以参考上一篇“部分实现”中的方式进行处理。
三、分析说明
函数的（反）柯里化同样可实现延迟加载（计算），提高代码的模块化和复用性。通过使用lambda表达式和模板元编程的灵活应用，将参数逐步收敛到一个参数中来。在某些场景下，可以更好的表现代码的实现逻辑增强可读性。同时，它还支持多个函数的动态组合形成链式调用，进一步丰富了多函数的应用场景。
技术一般来说不能只谈优点，也要分析一下其缺点。由于链式调用增加了函数的堆栈操作，增加了开销。而且，过深的调用往往也意味着调试中查找定位问题的困难度。引入元编程也可能大幅增加编译时间和代码的体积。
四、应用场景
函数柯里化的应用场景也比较常见：
- 多种函数的动态组合实现更复杂的功能（Function Composition，可以实现类似管道的效果）
- 处理特定的延迟计算或加载
- 类函数编程语言的实现
其实类似这种函数编程的实现，基本都是在模板编程中应用比较广泛，有兴趣的可以把多种情况的类似元编程的技巧组合起来，进行更合理、强大的应用。
五、总结
本文不再给出相应的应用例程了，有兴趣的可以自己按照python中的相关用法照搬到C++程序中即可。到应用的层面上，已经没有什么大的问题了。通过函数局部应用和柯里化的分析，可以在C++中实现类似函数编程的的特性。让开发者可以更好的理解新的C++标准和模板元编程的技巧，并有目的的应用到自己的工程实践中去。
