Cflow使用详解【转】

简介:

转自:http://blog.csdn.net/hanchaoqi/article/details/40922615

最近使用cflow,根据Cflow提供的帮助对cflow的用法做了详细的整理。把常用的命令的用法贴出来。完整版请见http://download.csdn.net/detail/hanchaoqi/8136111

12、cflow选项的完整列表

这一章我们以字符序列出cflow的所有选项,包括简要的说明。所有的长选项和短选项都被列出了,所以你可以将这个表作为快速参考。
大部分的选项都有一个相反意义的负选项对应,负选项的命名是对相应的长选项加前缀no-.这个特性用于取消在配置文件中定义的选项。
-a (--ansi)
假设输入文件使用ANSI C编写。目前这意味着不能解析K&R声明的函数。这在某些情况下可以加快处理进度。
-b (--brief)
简要输出
--cpp[=command]
运行指定的预处理命令
-D name[=defn] (--define=name[=defn])
预定义名字作为宏。
-d number (--depth=number)
设置流图中嵌套的最大层数。
--debug[=number]
设置调试级别。默认值是1,如果你开发或调试cflow时使用这个选项。
--emacs
让访问文件时告诉Emacs使用cflow模式输出。
-f name (--format=name)
使用给定的输出格式名。合法的名字是gnu和posix。
-? (--help)
帮助,对每个选项作简要的说明。
-I dir (--include-dir=dir)
增加搜索头文件时,所需要的头文件所在目录。
-i spec (--include=spec)
控制包含符号的数量。spec是一个字符串,指定了哪一类符号应该包含在输出里。合法字符如下:
- ^ 输出中排除后接字符 
+ 输出中包含后接字符(缺省) 
_ 以下划线开头的符号 
s 静态符号 
t 类型定义(只在交叉引用时使用) 
x 所有的数据符号,包括外部符号和静态符号
-l 
--level-indent=string 指定每个级别缩进时使用的字符串
-m name (--main=name) 设定最开始调用的函数名。
-n (--number) 打印行号
-o file (--output=file) 指定输出文件,默认是’-’,即标准输出
--ommit-arguments 不打印函数声明中的参数列表
--omit-symbol-names 不打印所指定的符号名字,在posix模式下可用。
-r (--reverse) 打印逆向调用图
-x (--xref) 只生成交叉引用列表
-p number (--pushdown=number) 初始化令牌栈的大小。默认值64.令牌栈会自动增长,所以这个选项很少使用。
--preprocess[=command] 使用预处理
-s sym:class 
--symbol=sym:class
--symbol=newsym:=oldsym
第一种形式,在语法类class中注册符号sym。合法的额类名是‘keyword’ (or ‘kw’), ‘modifier’, ‘qualifier’, ‘identifier’, ‘type’, ‘wrapper’。任何明确的缩写都是可接受的。
第二种形式(使用’:=’分割),定义newsym作为oldsym的别名。
-S (--use-indentation) 使用文件缩进作为提示。目前这个意思是右大括号 (‘}’) 在第零列强制cflow结束当前的函数定义。使用这个选项解析可能会对某些远产生误解。
-U name (--undefine=name) 取消之前所做的name的定义
-l (--print-level) 打印嵌套层数。层数在输出行的最后打印(如果使用了--number 或 --format=posix,层数会使用大括号括起来)。
-T (--tree) 使用ASCII码打印,调用树。
--usage 提供简短的使用信息。
-v (--verbose) 详细的打印出所有的错误信息。cflow中的错误信息与c编译器的错误信息是不一样的,所以这个选项默认是关闭的。
-V (--version) 打印程序的版本信息





本文转自张昺华-sky博客园博客,原文链接:http://www.cnblogs.com/sky-heaven/p/6863093.html,如需转载请自行联系原作者

相关文章
|
机器学习/深度学习 数据挖掘 Windows
Windows系统安装Anaconda
在Windows操作系统上安装Anaconda是为了快速搭建Python环境、数据科学和机器学习工具的关键步骤。本文简要介绍了安装Anaconda的过程。Anaconda的安装简化了Python库和工具的管理,为数据科学家、工程师和研究人员提供了一个强大、集成且易于使用的开发环境。这为快速开始数据分析、科学计算和机器学习项目提供了便捷的途径。
271 0
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
当无人机遇上Agentic AI:新的应用场景及挑战
本文简介了Agentic AI与AI Agents的不同、Agentic无人机的概念、应用场景、以及所面临的挑战
406 5
当无人机遇上Agentic AI:新的应用场景及挑战
|
XML 数据可视化 安全
IIS中的URL Rewrite模块功能学习总结
IIS中的URL Rewrite模块功能学习总结
541 0
IIS中的URL Rewrite模块功能学习总结
|
机器学习/深度学习 数据采集 人工智能
人工智能安全(下)
人工智能安全(下)
814 0
人工智能安全(下)
|
4月前
|
机器学习/深度学习 数据采集 算法
基于昇腾适配基因表达预测模型Geneformer
Geneformer被广泛应用于疾病建模、治疗靶点发掘、基因网络预测与调控分析、基因功能预测与剂量敏感性分析、单细胞转录组数据集成与标准化、遗传变异解释与GWAS靶点优先排序。该案例既有算法原理,也有手把手的昇腾部署教学,包含细胞分类、基因分类、提取细胞嵌入图、细胞多分类的微调任务
基于昇腾适配基因表达预测模型Geneformer
|
8月前
|
人工智能 计算机视觉
RT-DETR改进策略【损失函数篇】| NWD损失函数,提高小目标检测精度
RT-DETR改进策略【损失函数篇】| NWD损失函数,提高小目标检测精度
583 5
RT-DETR改进策略【损失函数篇】| NWD损失函数,提高小目标检测精度
|
12月前
|
机器学习/深度学习 编解码 算法
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
MobileNetV3是谷歌为移动设备优化的神经网络模型,通过神经架构搜索和新设计计算块提升效率和精度。它引入了h-swish激活函数和高效的分割解码器LR-ASPP,实现了移动端分类、检测和分割的最新SOTA成果。大模型在ImageNet分类上比MobileNetV2更准确,延迟降低20%;小模型准确度提升,延迟相当。
349 1
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
|
关系型数据库 MySQL
mysql最大连接数怎么设置
mysql最大连接数怎么设置
1704 0
mysql最大连接数怎么设置
|
Linux API 开发工具
使用Pygame库进行2D游戏开发的优缺点有哪些?
【6月更文挑战第10天】使用Pygame库进行2D游戏开发的优缺点有哪些?
288 1
|
SQL 分布式计算 Java
IDEA 打包 Spark 项目 POM 文件依赖
这是一个 Maven POM 示例,用于构建一个使用 Spark 与 Hive 的项目,目标是将数据从 Hive 导入 ClickHouse。POM 文件设置了 Scala 和 Spark 的依赖,包括 `spark-core_2.12`, `spark-sql_2.12`, 和 `spark-hive_2.12`。`maven-assembly-plugin` 插件用于打包,生成包含依赖的和不含依赖的两种 JAR 包。`scope` 说明了依赖的使用范围,如 `compile`(默认),`provided`,`runtime`,`test` 和 `system`。
285 0