社区
C语言
帖子详情
请问: and 两种指针数组定义及其使用有差别吗?
pony12
2002-02-20 04:57:16
请举例说明?
...全文
65
4
打赏
收藏
请问: and 两种指针数组定义及其使用有差别吗?
请举例说明?
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
4 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
talcon_hu
2002-02-21
打赏
举报
回复
效果是一样的,,但内存区域不一样
char**使用new或malloc分配内存是会在其分配的内存区域前后加
上标志位FDFDFDFD和长度等,为释放内存时用!
如过人为的去修改它,将会在free或delete是出错!
pony12
2002-02-20
打赏
举报
回复
char *m[5];
m[1]="Iamadog!";//ok
char **x;
x+1="Iamadog!";//error
x="Iamadog!";//error
x=m;//ok
chenjm
2002-02-20
打赏
举报
回复
有差别。
char *a[]:数组在定义时即分配,如果不指明数组长度,则定义时即要求初始化。
char **a:数组要求用类似于new char*[10]的方式分配,不再使用时要求用delete删除,如下
char **a = new char*[100];
...
delete a;
steven_zhou
2002-02-20
打赏
举报
回复
不用举例了,没有任何差别
编译器会统一为char **a
【腐蚀监测技术】基于ER探头的油气管道腐蚀速率在线监测系统:多场景工业设备安全防护应用
内容概要:本文介绍了ER腐蚀速率探头在多个工业领域中的应用及其重要性。ER探头具有强大的环境适应能力,可在高温、高压、低温(如-162℃)及高盐度等恶劣条件下稳定运行,广泛应用于石油天然气、化工炼化、电力等行业。在油气管道中,尤其适用于含硫化氢的酸性环境和海上平台导管架的潮差区,可实时监测腐蚀速率,频率高达每30秒一次,当腐蚀速率超过0.01mm/年时及时预警,便于调整缓蚀剂或阴极保护参数。在化工装置中,探头用于催化裂化反应器、换热器、再沸器和酸碱储罐等关键设备,实现不停工在线监测,降低检修成本并防止泄漏事故。电力行业中,ER探头用于锅炉水冷壁和凝汽器管束的腐蚀监控,结合水质分析优化水处理方案,延长设备寿命。; 适合人群:从事石油天然气、化工、电力等行业设备安全监测、腐蚀防护及相关技术研发的工程技术人员;从事管道运维、材料防护或安全管理的专业人员;;
使用
场景及目标:① 实时在线监测关键设备和管道的腐蚀速率,预防穿孔泄漏事故;② 结合工艺参数优化缓蚀剂、杀菌剂
使用
及水处理方案;③ 在高温、高压、低温等复杂工况下实现稳定可靠的腐蚀评估; 阅读建议:本资料侧重于ER探头的实际应用场景和技术价值,
使用
者应结合具体工况理解其部署位置与数据解读方法,并可参考河南科捷制造有限公司的技术支持进一步落地实施。
springboot基于java的网上订餐系统的设计与实现(代码+数据库+LW)
摘 要 当今社会进入了科技进步、经济社会快速发展的新时代。国际信息和学术交流也不断加强,计算机技术对经济社会发展和人民生活改善的影响也日益突出,人类的生存和思考方式也产生了变化。传统购物方式采取了人工的管理方法,但这种管理方法存在着许多弊端,比如效率低下、安全性低以及信息传输的不准确等,同时由于购物管理信息系统中会形成众多的个人文档和信息系统数据,通过人工方法对购物信息进行集中管理会形成检索、更改和维护等较为麻烦的管理问题,同时由于当下人民群众对购物管理的需求也日益高涨,各级单位需要继续开展全新的改革以满足时代的需求。根据此问题,研发一套网上订餐系统,既能够大大提高信息的检索、变更与维护的工作效率,也能够方便信息系统的管理运用,从而减少信息管理成本,提高效率。 该网上订餐系统采用B/S架构、前后端分离以及B/C模型进行设计,并采用Java语言以及 SpringBoot框架进行开发。本系统主要设计并完成了用户注册、登录,购买美食过程、个人信息修改等,管理员对用户信息、美食分类、美食信息、系统信息、订单信息等功能,进行维护与管理。该系统操作简单,界面设计简单,不仅能基本满足目前网上网上订餐系统的日常管理工作,而且能有效降低人员成本和时间成本,为网上网上订餐系统工作提供方便。 关键词:网上订餐系统;B/S 架构;SpringBoot框架
ThinnyPaper-NKU-Search-Engine-5368-1755765237864.zip
Server性能优化实战项目ThinnyPaper_NKU-Search-Engine_5368_1755765237864.zip
基于J2EE在分布式环境下底层结构(外文翻译+文献综述).zip
基于J2EE在分布式环境下底层结构(外文翻译+文献综述).zip
状态估计电力系统状态估计中的异常检测与分类(Matlab代码实现)
内容概要:本文围绕电力系统状态估计中的异常检测与分类展开,重点介绍了基于Matlab实现的多种状态估计算法和技术,包括卡尔曼-加权最小二乘(KEWLS)、KEWLS-KF(KKF)以及粒子滤波等方法在电力系统中的应用。文档还涵盖了多源数据融合、信息融合与状态估计、观测信号含异常值的状态估计方法等内容,强调了异常数据的识别与处理对提升状态估计精度的重要性。此外,文中提到了多个相关研究方向的Matlab代码实现案例,如轴承故障诊断、永磁同步电机控制、信道估计、信号去噪等,展示了状态估计技术在不同工程领域的广泛应用。; 适合人群:具备一定电力系统、自动化或控制理论基础,熟悉Matlab/Simulink仿真环境,从事科研、教学或工程应用的研发人员、研究生及高【状态估计】电力系统状态估计中的异常检测与分类(Matlab代码实现)年级本科生;尤其适合开展状态估计、故障诊断、智能电网等相关课题研究的人员;
使用
场景及目标:① 掌握电力系统中状态估计的基本原理与异常检测机制;② 学习并复现主流状态估计算法(如KEWLS、KKF、粒子滤波)的Matlab实现;③ 借助提供的代码资源开展科研仿真、论文复现或项目开发;④ 拓展多源信息融合与鲁棒估计方法的应用能力; 阅读建议:此资源以实际代码实现为核心,建议读者结合理论学习与编程实践,按目录顺序逐步深入,优先掌握状态估计基础模型后再进入异常分类与融合估计部分;同时可利用附带的网盘资源获取完整代码包,进行调试与二次开发,提升科研效率。
C语言
70,033
社区成员
243,245
社区内容
发帖
与我相关
我的任务
C语言
C语言相关问题讨论
复制链接
扫一扫
分享
社区描述
C语言相关问题讨论
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章