news 2026/3/20 3:05:10

c++函数传参的几种推荐方式

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
c++函数传参的几种推荐方式

比如一个func函数,需要传入一个T类型的很大的x参数用于func内部读取(不修改)。有几种方法:

方法一:值传递

这也是最简单的方法:

void func(T x) { T y = x; // x到y有拷贝 T y = std::move(x); // x所有权交给y,没有拷贝,但后文不能再用x了 }

调用:

T a; func(a); // a到x有1次拷贝

由于是值传递,这里a到x需要一次拷贝,x到y如果不用std::move的话又有一次拷贝。

如果不想要a到x的值传递时的拷贝,需要在调用时move:

T a; func(std::move(a)); // a到x有0次拷贝,1次move构造(move比较轻量) //这里把a完全交给了func内部,没有拷贝,但后文不能再用a了

结论:

  • 接口最灵活

  • 调用方决定是否拷贝(选择是否std::move(a)),这是 STL 和 Effective Modern C++ 强烈推荐的模式

  • 现代 C++ 非常推荐(“pass-by-value + move”惯用法)

方法二:引用传递(只读参数最佳)

类似于c语言的传递指针(不利于对象管理,此处不讨论),但是c++中有一个引用传递的新概念:

void func(const T& x) { T y = x; // x到y有拷贝 }

调用:

T a; func(a); // x就是a的引用,0次拷贝,0次move构造

这里T&表示传入的就是a的引用,不存在a到x的拷贝过程。const表示传入的x在函数内部不准修改,保证了a不会被func修改掉(func只读a)。

但是const T&不能实现a到y的完全无拷贝传递,一个经典的错误:

void func(const T& x) { // 假的move,实际还是发生了拷贝,因为move的是const T&类型,而不是x的所有权 T y = std::move(x); }

结论:

  • 最佳适用场景

    • 只读

    • 不接管所有权

    • 不需要在函数内部生成新对象

  • 不要指望它“零拷贝生成 y”

方法三:传入右值(所有权传递)

针对const T&不能传入a的所有权从而无拷贝把a给到y的问题,实际应当传入a的右值。

有两种方法:

1. 方法一种提到的值传递,函数调用一次move把a给到x,函数内部用move再把x给到y,全程0拷贝,2次move(推荐)

void func(T x) { y = std::move(x); //x到y 0次拷贝,1次move(轻量),后文不能再用x了 } //调用 T a; func(std::move(a)); // a到x 0次拷贝,1次move(轻量),后文不能再用a了

这相当于把是否拷贝的选择交给了调用方,调用方可以用func(a)也可以用func(std::move(a)),前者a到x有一次拷贝,后者没有但后文不能再用a了。

2. 强制只能传入右值,明确接管

void func(T&& x) { T y = std::move(x); // x到y有0次拷贝,1次move(轻量) } //调用 T a; func(std::move(a)); // a到x 0次拷贝,0次move,因为x不是新对象,已经绑定到a // func(a); //不允许

这里用T&&表示传入的只能是右值,减少了值传递a到x的move,但也限定了a后文不能再用。

结论:

  • 适合:

    • 明确“我就是要接管你的对象”,相比值传递写法可以少1次move。

    • 函数语义就是“消费型接口”

  • 不适合:

    • 公共 API

    • 希望调用方既能传左值又能传右值

所以:T&&是“语义最强,但最不灵活”的接口。

总结:

  • 只读 →const T&

  • 可能接管 →T(值传递或者std::move())

  • 强制接管 →T&&

  • 别对const T&std::move

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/3/13 0:54:19

LobeChat能否用于编写YAML配置?CI/CD流水线快速搭建

LobeChat能否用于编写YAML配置?CI/CD流水线快速搭建 在现代软件开发中,一个新项目从初始化到上线部署的周期被压缩得越来越短。然而,每当开发者面对空荡荡的 .github/workflows/ 目录时,总免不了翻文档、查示例、调试语法错误——…

作者头像 李华
网站建设 2026/3/12 20:39:43

Dify智能体平台在VDI云桌面环境下的运行优化

Dify智能体平台在VDI云桌面环境下的运行优化智能开发的边界:当AI低代码遇见安全隔离 在企业加速推进AI原生转型的今天,一个矛盾日益凸显:业务部门迫切希望快速上线智能客服、知识助手等应用,而IT安全部门却对数据外泄风险如临大敌…

作者头像 李华
网站建设 2026/3/12 23:49:22

从零开始配置TensorFlow环境:推荐使用清华镜像源

从零开始配置TensorFlow环境:推荐使用清华镜像源 在深度学习项目启动的第一天,你是否曾经历过这样的场景?打开终端,输入 pip install tensorflow,然后眼睁睁看着进度条卡在10%,等了半小时还是失败——网络超…

作者头像 李华
网站建设 2026/3/13 20:18:18

用PyTorch-CUDA镜像实现PM2.5浓度预测

用PyTorch-CUDA镜像实现PM2.5浓度预测 清晨的城市,雾霭沉沉。人们不再只是抬头看天色,而是习惯性地打开手机App——“现在出门跑步安全吗?”这个问题背后,是对空气质量精细化建模的迫切需求。 PM2.5作为最具危害性的空气污染物之一…

作者头像 李华
网站建设 2026/3/14 12:58:44

GPT-SoVITS:零样本语音合成与微调实战

GPT-SoVITS:零样本语音合成与微调实战 在虚拟主播的直播间里,AI 配音正变得越来越“像人”——不是那种机械朗读的冰冷感,而是带着语气起伏、情绪张力,甚至能模仿特定人物音色的自然表达。这背后,离不开近年来语音克隆…

作者头像 李华
网站建设 2026/3/18 15:57:39

主流大模型推理框架深度对比与选型指南

主流大模型推理框架深度对比与选型指南 在AI应用从实验室走向真实世界的临界点上,一个残酷的现实正摆在开发者面前:模型再强,跑不起来就是废铁。我们见过太多百亿参数的大模型,在演示视频里惊艳全场,一旦部署到生产环境…

作者头像 李华