在C语言中指针数组和数组指针在动态内存分配中的应用

简介: 在C语言中,指针数组和数组指针均可用于动态内存分配。指针数组是数组的每个元素都是指针,可用于指向多个动态分配的内存块;数组指针则指向一个数组,可动态分配和管理大型数据结构。两者结合使用,灵活高效地管理内存。
  1. 指针数组在动态内存分配中的应用

场景示例:存储多个字符串

假设我们要编写一个程序,用于存储用户输入的多个字符串。我们不知道用户会输入多少个字符串,也不知道每个字符串的长度,这时就可以使用指针数组进行动态内存分配。

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

int main() {
   
    int num_strings;
    printf("请输入字符串的数量: ");
    scanf("%d", &num_strings);

    // 动态分配指针数组,用于存储字符串指针
    char **string_array = (char **)malloc(num_strings * sizeof(char *));
    if (string_array == NULL) {
   
        printf("内存分配失败!\n");
        return 1;
    }

    // 循环为每个字符串分配内存并获取用户输入
    for (int i = 0; i < num_strings; i++) {
   
        char buffer[100];
        printf("请输入第 %d 个字符串: ", i + 1);
        scanf("%s", buffer);
        string_array[i] = (char *)malloc((strlen(buffer) + 1) * sizeof(char));
        if (string_array[i] == NULL) {
   
            printf("为字符串分配内存失败!\n");
            return 1;
        }
        strcpy(string_array[i], buffer);
    }

    // 打印存储的字符串
    for (int i = 0; i < num_strings; i++) {
   
        printf("字符串 %d: %s\n", i + 1, string_array[i]);
    }

    // 释放内存
    for (int i = 0; i < num_strings; i++) {
   
        free(string_array[i]);
    }
    free(string_array);

    return 0;
}

在这个例子中:

  • 首先,我们根据用户输入的字符串数量num_strings动态分配一个指针数组string_array。这个指针数组的每个元素都是一个指针,用于指向一个字符串。
  • 然后,对于每个字符串,我们先使用一个临时缓冲区buffer获取用户输入。接着,根据输入字符串的长度(加上字符串结束符\0)为每个字符串动态分配内存,并将用户输入的字符串复制到新分配的内存中。
  • 最后,我们打印出存储的所有字符串,并释放为每个字符串和指针数组本身分配的内存。

这种方式的优势在于可以灵活地处理不同数量和长度的字符串,非常适合处理文本数据,如文本编辑器中的行存储等应用场景。

  1. 数组指针在动态内存分配中的应用

场景示例:创建二维数组(模拟矩阵)

考虑我们需要创建一个二维数组来存储整数矩阵,矩阵的行数和列数由用户决定。

#include <stdio.h>
#include <stdlib.h>

int main() {
   
    int num_rows, num_cols;
    printf("请输入矩阵的行数: ");
    scanf("%d", &num_rows);
    printf("请输入矩阵的列数: ");
    scanf("%d", &num_cols);

    // 动态分配数组指针,用于指向二维数组
    int (*matrix_ptr)[num_cols];
    matrix_ptr = (int (*)[num_cols])malloc(num_rows * sizeof(int [num_cols]));
    if (matrix_ptr == NULL) {
   
        printf("内存分配失败!\n");
        return 1;
    }

    // 填充矩阵数据
    for (int i = 0; i < num_rows; i++) {
   
        for (int j = 0; j < num_cols; j++) {
   
            matrix_ptr[i][j] = i * j;
        }
    }

    // 打印矩阵
    for (int i = 0; i < num_rows; i++) {
   
        for (int j = 0; j < num_cols; j++) {
   
            printf("%d ", matrix_ptr[i][j]);
        }
        printf("\n");
    }

    // 释放内存
    free(matrix_ptr);

    return 0;
}

在这个例子中:

  • 首先,根据用户输入的行数num_rows和列数num_cols,我们动态分配一个数组指针matrix_ptr,这个指针指向一个包含num_cols个整数的数组(也就是二维数组的一行)。
  • 然后,通过matrix_ptr,我们可以像使用普通二维数组一样填充矩阵数据。这里我们简单地用i * j来填充每个元素。
  • 最后,我们打印出矩阵,并释放动态分配的内存。

这种方式在处理二维或多维数组数据结构时非常有用,例如图像处理中的像素矩阵、科学计算中的矩阵运算等场景,它可以保证数据在内存中是连续存储的,便于高效地访问和处理。

相关文章
|
14天前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日,2024云栖大会在杭州云栖小镇举行,阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家,共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力,及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点,专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练,并通过多个客户案例展示了云上大模型训练的显著优势。
|
17天前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
9天前
|
并行计算 前端开发 物联网
全网首发!真·从0到1!万字长文带你入门Qwen2.5-Coder——介绍、体验、本地部署及简单微调
2024年11月12日,阿里云通义大模型团队正式开源通义千问代码模型全系列,包括6款Qwen2.5-Coder模型,每个规模包含Base和Instruct两个版本。其中32B尺寸的旗舰代码模型在多项基准评测中取得开源最佳成绩,成为全球最强开源代码模型,多项关键能力超越GPT-4o。Qwen2.5-Coder具备强大、多样和实用等优点,通过持续训练,结合源代码、文本代码混合数据及合成数据,显著提升了代码生成、推理和修复等核心任务的性能。此外,该模型还支持多种编程语言,并在人类偏好对齐方面表现出色。本文为周周的奇妙编程原创,阿里云社区首发,未经同意不得转载。
|
14天前
|
人工智能 运维 双11
2024阿里云双十一云资源购买指南(纯客观,无广)
2024年双十一,阿里云推出多项重磅优惠,特别针对新迁入云的企业和初创公司提供丰厚补贴。其中,36元一年的轻量应用服务器、1.95元/小时的16核60GB A10卡以及1元购域名等产品尤为值得关注。这些产品不仅价格亲民,还提供了丰富的功能和服务,非常适合个人开发者、学生及中小企业快速上手和部署应用。
|
21天前
|
缓存 监控 Linux
Python 实时获取Linux服务器信息
Python 实时获取Linux服务器信息
|
4天前
|
云安全 存储 弹性计算
|
6天前
|
云安全 人工智能 自然语言处理
|
9天前
|
人工智能 自然语言处理 前端开发
用通义灵码,从 0 开始打造一个完整APP,无需编程经验就可以完成
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。本教程完全免费,而且为大家准备了 100 个降噪蓝牙耳机,送给前 100 个完成的粉丝。获奖的方式非常简单,只要你跟着教程完成第一课的内容就能获得。
|
24天前
|
自然语言处理 数据可视化 前端开发
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
合合信息的智能文档处理“百宝箱”涵盖文档解析、向量化模型、测评工具等,解决了复杂文档解析、大模型问答幻觉、文档解析效果评估、知识库搭建、多语言文档翻译等问题。通过可视化解析工具 TextIn ParseX、向量化模型 acge-embedding 和文档解析测评工具 markdown_tester,百宝箱提升了文档处理的效率和精确度,适用于多种文档格式和语言环境,助力企业实现高效的信息管理和业务支持。
3984 5
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
|
3天前
|
人工智能 C++ iOS开发
ollama + qwen2.5-coder + VS Code + Continue 实现本地AI 辅助写代码
本文介绍在Apple M4 MacOS环境下搭建Ollama和qwen2.5-coder模型的过程。首先通过官网或Brew安装Ollama,然后下载qwen2.5-coder模型,可通过终端命令`ollama run qwen2.5-coder`启动模型进行测试。最后,在VS Code中安装Continue插件,并配置qwen2.5-coder模型用于代码开发辅助。
249 3