目錄
- 傳統藝能😎
- 過渡區🤣
- 正片開始👀
- 可變引數👏
- 宏觀程序👏
- 原理👏
- 格局打開👏
傳統藝能😎
小編是大一菜鳥不贅述，歡迎大佬指點江山（QQ：1319365055）
此前博客點我！點我！請搜索博主 【知曉天空之藍】
喬喬的gitee代碼庫（打灰人 ）歡迎訪問，點我！
過渡區🤣
現在是北京時間13:15，期末考試結束，明天卷鋪蓋回家嘍！yysy，算見識了嘛是卷翻天，博客之星20s沒見就給降了一名，睡一覺起來各位都是一萬多總分，淚，6 了下來，我放假了各位，鍵盤不爛我不睡好吧
正片開始👀
可變引數👏
可變引數是C語言提供的一種引數可變的機制，咱希望函式帶有可變數量的引數，而不是預定義數量的引數，它允許咱定義一個函式，能根據具體的需求接受可變數量的引數，比如這種：
int Max(int num,...)
{
va_list arg;
va_start(arg,num);
int max = va_arg(arg,int);
for(int i = 1;i<num;i++)
{
int sid = va_arg(arg,int);
}
if(sid > max)
{
max = sid;
}
va_end(arg);
return max;
}
int main()
{
int a = Max(5,1,2,3,4,5);
printf("%d\n",a);
return 0;
}
如上形式Max函式就用到了可變引數，注意！使用可變引數時，Max內首元素 ‘ 5 ’代表元素個數
那么問題來了，如果函式沒有形式引數，可以給函式傳遞嗎？答案是可以的，在C語言中，只要發生了函式呼叫并呼叫了引數，必定會形成臨時變數；所謂臨時拷貝（變數）的本質，也就是在堆疊幀內部形成的（從右向左形成臨時拷貝（變數））.
宏觀程序👏
va_list定義了可以訪問可變引數部分的變數，他的本質是一個 char 型別指標，va_start 使 b 指向可變引數部分，va_end 是用來完成收尾作業的，本質就是將引數arg置為空，避免野指標，
掐頭去尾，我們看看主體部分，首先 arg 指標先讓我的資料入堆疊，我們打開反匯編能看到堆疊頂 esp 位置，再在記憶體視窗找到 esp 位置，就會看到這個經典的一幕，倒著入堆疊連著幾個資料入堆疊是壓在一起的，這種結構對我們查找元素就非常友好了，
宏觀的框架就是我們傳入的變數 num 就代表第一個引數 5，va_start 就是讓 arg 原本指向5的 ，再讓他指向有效部分，比如 1，根據指向 1 的起始地址， va_start 指向他的可變部分（去掉已指向的有效部分），具體如何實作見下文；最后 va_arg 就是根據型別 int ，從起始地址開始連續讀取找到某一個元素，這樣最侄訓把所需要的 max 的值讀出來，
原理👏
可變引數串列對應的函式，最終呼叫也是函式呼叫，也要形成堆疊幀，堆疊幀形成前，臨時變數會先入堆疊，根據咱之前總結的，引數位置都是相對固定的；在可變引數中 ，如果是短整型，一般都要進行整型提升，比如引數傳入的是 char 型別，但實際傳出的是 int 型別，這就是我們的 va_arg（arg，int）為什么是 int 而不是 char，所以在 va_arg 中指定了錯誤的型別，那結果無法預測，
要注意：
1.可變引數必須從頭到尾逐個進行訪問，如果你訪問了幾個可變引數后想半途而廢，是可以做到的，但如果一開始就想訪問中間某個元素的話，噠咩！
2.引數串列中至少有一個命名引數，如果連一個引數都沒有，就沒辦法使用 va_start；
3.這些宏是沒辦法直接判斷實際存在的引數數量的，也無法判斷每個引數的型別
格局打開👏
#define _crt_va_start(ap,v) (ap = (va_list)_ADDRESSOF(v) + _INTSIZEOF(v)
#define _crt_va_arg(ap,t) (*(t*)((ap += _INTSIZEOF(t) - _INTSIZEOF(t))
#define _crt_va_start(ap) (ap = (va_list)0)
)
談完原理就要談原理的原理，這段宏定義的預處理就給出了他的運作原理，ap 就相當于 arg， v 就相當于變數 num，va_list 相當于 char *，這里 ADDRESS 相當于取地址，所以就是在對 char 指標強轉之后，此時就有了一個指標以一位元組為單位，指向入堆疊的第一個有效元素，要想繼續指向后面可變部分，就要繼續向下移動四個位元組，加上他本身大小就能移動到可變部分，
今天就先到這里，摸了家人們，
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/397418.html
標籤：其他
上一篇：Navicat15安裝筆記
下一篇：R語言自定義多分類混淆矩陣可視化函式（mutlti class confusion matrix）、R語言多分類混淆矩陣可視化