面向对象的三大特性

简介: 面向对象的三大特性

封装、继承、多态

注意: 1. 非静态成员函数不属于类对象上;2. 如果类有虚函数表指针指向虚函数表,类的各个对象分别持有虚函数表指针指向该虚函数表。

多态原理

  1. 多态的条件: a. 有继承关系;b. 子类重写父类中的虚函数。
  2. 多态使用: 当父类的指针或引用指向子类的对象。

静态多态:

//早绑定
#include <iostream>
using namespace std;
class A {
public:
  int sum(int a, int b) {  //符号表中_ZN1A3sumEii
    return a + b;
  }
  double sum(double a, double b) {  //_ZN1A3sumEdd
    return a + b;
  }
};
int main() {
  A a;
  a.sum(1, 2);
  a.sum(3.0, 4.0);
  return 0;
}
$ g++ polymorohism_static.cpp -o p1.o
$ objdump -t p1.o

SYMBOL TABLE:

早绑定:

//早绑定
#include <iostream>
using namespace std;
class Base {
public:
  void func() {
    cout << "Base::func" << endl;
  }
};
class Drive {
public:
  void func() {
    cout << "Drive::func" << endl;
  }
};
int main() {
  Base* pbase1 = new Base();
  Base* pbase2 = new Drive();
  pbase1->func();
  pbase2->func();
  return 0;
}

代码运行结果:

Base::func
Base::func

晚绑定:

//晚绑定
#include <iostream>
using namespace std;
class Base {
public:
  virtual void func() {  //虚函数晚绑定
    cout << "Base::func" << endl;
  }
};
class Drive : public Base {
public:
  void func() {
    cout << "Drive::func" << endl;
  }
};
int main() {
  Base* pbase1 = new Base();
  Base* pbase2 = new Drive();
  pbase1->func();
  pbase2->func();
  return 0;
}

代码运行结果:

Base::func
Drive::func

利用虚函数表指针实现

#include <iostream>
using namespace std;
class Base {
public:
  virtual void func() {
    cout << "Base::func" << endl;
  }
};
class Drive : public Base {
public:
  void func() {
    cout << "Drive::func" << endl;
  }
};
int main() {
  typedef void (*Func)(void);
  Base* pbase1 = new Base();
  Base* pbase2 = new Drive();
  //(long*)pbase1:每个类前面的8个字节为虚函数表指针
  //*(long*)pbase1:取地址,得到虚函数表
  long *vptr1 = (long*)*(long*)pbase1;
  Func f1 = (Func)vptr1[0];
  f1();
  long *vptr2 = (long*)*(long*)pbase2;
  Func f2 = (Func)vptr2[0];
  f2();
  //pbase1->func();
  //pbase2->func();
  return 0;
}

代码运行结果:

Base::func
Drive::func

多态实现图:

充电站

推荐一个零声学院免费公开课程,个人觉得老师讲得不错,分享给大家:Linux,Nginx,ZeroMQ,MySQL,Redis,fastdfs,MongoDB,ZK,流媒体,CDN,P2P,K8S,Docker,TCP/IP,协程,DPDK等技术内容,立即学习

相关文章
|
存储 监控 API
oss教程
oss教程
1953 1
|
11月前
|
安全 IDE API
Python类型提示进阶:告别“动态一时爽,重构火葬场”
Python类型提示让动态语言更可靠:通过静态类型注解提升代码可读性、重构效率与团队协作体验,结合mypy、Pydantic等工具链,实现从开发到运行时的全链路类型安全,平衡灵活性与工程化需求。(238字)
|
3月前
|
人工智能 算法 API
【第二部分:大模型应用开发基础】9. RAG 是什么,它与 Agent 有什么关系?——从知识库问答到 Agentic RAG
RAG 通过文档解析、切分、Embedding、混合检索、Rerank 与引用机制,让大模型在回答问题时能够按需获取企业知识,而不是依赖训练数据“记住一切”。文章进一步介绍 RAG 如何从固定的检索增强生成流程演进到 Agentic RAG:由 Agent 判断是否需要检索、如何规划 Query、证据是否充分,并在必要时继续改写和多轮检索。同时梳理 RAG、Memory、Tool 与 Agent 的边界,强调知识库问答系统并不等同于 Agent,RAG 只是 Agent 获取外部知识的一种能力。
487 2
|
人工智能 搜索推荐 Java
飞算JavaAI炫技赛:电商系统商品管理模块设计与实现
商品基本信息管理: 构建一套完善的商品信息录入与维护体系,支持商家通过可视化界面轻松管理商品的名称、描述、价格、规格等核心信息。系统应提供富文本编辑器用于商品详情编写,支持多张高清图片批量上传与管理,并具备商品信息的版本控制功能,确保每次修改都有完整的历史记录可追溯。 智能分类体系管理: 打造层次分明、逻辑清晰的多级商品分类架构,如同为数字化商场构建科学合理的导购系统。支持无限层级的分类嵌套,提供拖拽式分类编辑器,并能够为不同分类定制专属的属性模板,让商品归类变得既高效又精准,大幅提升用户的商品查找体验。 动态库存监控预警: 实现毫秒级的库存数据同步与监控,如同为商品配备24小时不间断的"数字
430 2
飞算JavaAI炫技赛:电商系统商品管理模块设计与实现
|
10月前
|
前端开发 小程序 Docker
改论文熬到三点的“格式劫”:肝了几个通宵整出一个小工具,把豆包、DeepSeek、ChatGPT生成内容直接转成了可编辑Word
介绍了一款专为科研、教学人群打造的小工具的设计初衷和设计理念,轻松解决大模型生成内容转Word时的公式乱码、表格错乱、流程图模糊等“格式劫”。自动补全LaTeX符号、修复Markdown表格结构、高清渲染Mermaid图,一键输出可编辑、带样式的Word文档。无需安装、不用懂代码,复制粘贴即用,30秒完成繁琐排版,让写论文、出试卷不再熬夜改格式。
|
人工智能 自然语言处理 供应链
智能体来了:老板如何用智能体降本增效,打造企业新增长引擎 ——黎跃春谈智能体赋能企业的自动化办公与管理新范式
智能体正成为企业智能化的核心驱动力,从替代重复劳动到增强决策、优化执行,助力老板降本增效。依托阿里云生态,智能体实现跨部门协同与流程自动化,推动企业管理从数字化迈向智能化新阶段。
|
关系型数据库 MySQL Linux
安装MySQL 5.7到红帽系RHEL8+系列上
本文介绍了在RHEL 8及以上系统中安装MySQL 5.7的两种方法:解压安装与RPM包安装。涵盖环境准备、目录配置、数据盘挂载、初始化及服务启动等关键步骤,适用于红帽系(8+)部署MySQL 5.7。
|
11月前
|
人工智能 Cloud Native 开发者
云原生架构下的思考:从五家服务商看AI种草系统的演进与部署实践
本文从云原生视角解析2025年五家AI种草服务商的架构模式,涵盖微服务、HPC、SaaS等技术路径,剖析其部署复杂度与运维责任划分,助力企业平衡控制力、成本与技术能力,实现营销系统与技术战略的协同演进。
|
存储 数据库 Android开发
安卓Jetpack Compose+Kotlin,支持从本地添加音频文件到播放列表,支持删除,使用ExoPlayer播放音乐
为了在UI界面添加用于添加和删除本地音乐文件的按钮,以及相关的播放功能,你需要实现以下几个步骤: 1. **集成用户选择本地音乐**:允许用户从设备中选择音乐文件。 2. **创建UI按钮**:在界面中创建添加和删除按钮。 3. **数据库功能**:使用Room数据库来存储音频文件信息。 4. **更新ViewModel**:处理添加、删除和播放音频文件的逻辑。 5. **UI实现**:在UI层支持添加、删除音乐以及播放功能。
|
传感器 安全 数据处理
Pandas时间数据处理:从基础到进阶的实战指南
本文深入讲解Pandas时间数据处理技巧,从时间对象转换到高性能计算全面覆盖。通过真实案例拆解,掌握Timestamp与Period的核心概念、时间序列生成、重采样方法及窗口函数应用。同时剖析时区处理、性能优化策略及常见陷阱解决方案,并展望Pandas 2.0的时间处理新特性。内容强调“时间索引优先”原则,助你高效分析股票K线、用户行为等时间序列数据。
769 0