主要问题是不能使数组维数本身可变。因此,无论采用哪种方法,您都几乎肯定需要某种递归方法来处理单个数组层。这种方法到底应该是什么样的,主要取决于一旦它被提供给您,您打算如何处理阵列。
如果你真正想要的是一个可以被赋予任何多维数组的函数,那么只需编写一个可以被赋予除
only exists
只要任何东西是一个数组:
template <typename T>
std::enable_if_t<std::is_array_v<T>> multi_dimensional(T& a)
{
constexpr int dimensions = std::rank_v<T>;
// ...
}
然而,这本身很可能不会让你走得很远。要对给定的数组执行任何有意义的操作,很可能需要对子数组进行递归遍历。除非你真的只是想看看结构的最顶层。
另一种方法是使用递归模板剥离各个数组级别,例如:
// we've reached the bottom
template <typename T, int N>
void multi_dimensional(T (&a)[N])
{
// ...
}
// this matches any array with more than one dimension
template <typename T, int N, int M>
void multi_dimensional(T (&a)[N][M])
{
// peel off one dimension, invoke function for each element on next layer
for (int i = 0; i < N; ++i)
multi_dimensional(a[i]);
}
不过,我建议至少考虑使用
std::array<>
与原始数组不同的是,原始数组的语法和特殊行为往往会在短时间内将所有内容都变成一团混乱。一般来说,实现自己的多维数组类型可能是值得的,比如
NDArray<int, 2, 3, 2>
它内部使用扁平表示,只将多维索引映射到线性索引。这种方法的一个优点(除了更清晰的语法)是,您可以轻松地更改映射,例如,从行主布局切换到列主布局,例如,性能优化…
更新:计算扁平化
n
D索引
执行一个常规
n
带静态维度的D数组,我将引入一个助手类来封装从
n
D索引:
template <std::size_t... D>
struct row_major;
template <std::size_t D_n>
struct row_major<D_n>
{
static constexpr std::size_t SIZE = D_n;
std::size_t operator ()(std::size_t i_n) const
{
return i_n;
}
};
template <std::size_t D_1, std::size_t... D_n>
struct row_major<D_1, D_n...> : private row_major<D_n...>
{
static constexpr std::size_t SIZE = D_1 * row_major<D_n...>::SIZE;
template <typename... Tail>
std::size_t operator ()(std::size_t i_1, Tail&&... tail) const
{
return i_1 + D_1 * row_major<D_n...>::operator ()(std::forward<Tail>(tail)...);
}
};
然后:
template <typename T, std::size_t... D>
class NDArray
{
using memory_layout_t = row_major<D...>;
T data[memory_layout_t::SIZE];
public:
template <typename... Args>
T& operator ()(Args&&... args)
{
memory_layout_t memory_layout;
return data[memory_layout(std::forward<Args>(args)...)];
}
};
NDArray<int, 2, 3, 5> arr;
int main()
{
int x = arr(1, 2, 3);
}