STL內(nèi)容雖然看起來很多，單獨(dú)成書都不是問題（《STL源碼剖析》），但從實際使用狀況來看，我認(rèn)為只需要知道以下幾點就可以了：

• 怎么用？

  各種STL基本的增刪改查怎么使用。每種容器都提供了很多操作，但實際增刪改查我們通常只需要掌握透徹一種方式即可。有些功能只是出于通用性考慮才存在的，但對于相應(yīng)的STL這些操作完全可以忽略。所以我對STL使用的看法是，不需要花太多時間去了解所有功能，只要掌握最基本的即可，要把精力放在對需求的了解并選擇適合的數(shù)據(jù)結(jié)構(gòu)。

• 怎么實現(xiàn)？

  本身STL就是封裝了我們常用的數(shù)據(jù)結(jié)構(gòu)，所以最先需要了解每種數(shù)據(jù)結(jié)構(gòu)的特性。而且了解實現(xiàn)方式對我們能夠準(zhǔn)確、高效使用STL打下了基礎(chǔ)。

• 如何避免錯誤？

  在第二階段了解了STL的實現(xiàn)之后，我們已經(jīng)可以很清楚地知道他們底層使用的是什么數(shù)據(jù)結(jié)構(gòu)以及該數(shù)據(jù)結(jié)構(gòu)做什么操作比較高效。但還有一點需要注意的就是怎么才能用對他們，避免一些未知的錯誤，比如迭代器失效問題。

string

vector

用法：

定義：vector<T> vec;插入元素：vec.push_back(element);vec.insert(iterator, element);刪除元素：vec.pop_back();vec.erase(iterator);修改元素：vec[position] = element;遍歷容器：for(auto it = vec.begin(); it != vec.end(); ++it) {......}其他：vec.empty(); //判斷是否空vec.size(); // 實際元素vec.capacity(); // 容器容量vec.begin(); // 獲得首迭代器vec.end(); // 獲得尾迭代器vec.clear(); // 清空

實現(xiàn)：

模擬Vector實現(xiàn)

• 線性表，數(shù)組實現(xiàn)。

  • 支持隨機(jī)訪問。

  • 插入刪除操作需要大量移動數(shù)據(jù)。

• 需要連續(xù)的物理存儲空間。

• 每當(dāng)大小不夠時，重新分配內(nèi)存（*2），并復(fù)制原內(nèi)容。

錯誤避免：

迭代器失效

• 插入元素

  • 尾后插入：size < capacity時，首迭代器不失效，尾迭代失效（未重新分配空間），size == capacity時，所有迭代器均失效（需要重新分配空間）。

  • 中間插入：size < capacity時，首迭代器不失效但插入元素之后所有迭代器失效，size == capacity時，所有迭代器均失效。

• 刪除元素

  • 尾后刪除：只有尾迭代失效。

  • 中間刪除：刪除位置之后所有迭代失效。

map

用法：

定義：map<T_key, T_value> mymap;插入元素：mymap.insert(pair<T_key, T_value>(key, value)); // 同key不插入mymap.insert(map<T_key, T_value>::value_type(key, value)); // 同key不插入mymap[key] = value; // 同key覆蓋刪除元素：mymap.erase(key); // 按值刪mymap.erase(iterator); // 按迭代器刪修改元素：mymap[key] = new_value;遍歷容器：for(auto it = mymap.begin(); it != mymap.end(); ++it) {cout << it->first << " => " << it->second << '\n';}

實現(xiàn)：

RBTree實現(xiàn)

• 樹狀結(jié)構(gòu)，RBTree實現(xiàn)。

  • 插入刪除不需要數(shù)據(jù)復(fù)制。

  • 操作復(fù)雜度僅跟樹高有關(guān)。

• RBTree本身也是二叉排序樹的一種，key值有序，且唯一。

  • 必須保證key可排序。

基于紅黑樹實現(xiàn)的map結(jié)構(gòu)（實際上是map, set, multimap，multiset底層均是紅黑樹），不僅增刪數(shù)據(jù)時不需要移動數(shù)據(jù)，其所有操作都可以在O(logn)時間范圍內(nèi)完成。另外，基于紅黑樹的map在通過迭代器遍歷時，得到的是key按序排列后的結(jié)果，這點特性在很多操作中非常方便。

面試時候現(xiàn)場寫紅黑樹代碼的概率幾乎為0，但是紅黑樹一些基本概念還是需要掌握的。

它是二叉排序樹（繼承二叉排序樹特顯）：

• 若左子樹不空，則左子樹上所有結(jié)點的值均小于或等于它的根結(jié)點的值。

• 若右子樹不空，則右子樹上所有結(jié)點的值均大于或等于它的根結(jié)點的值。

• 左、右子樹也分別為二叉排序樹。

它滿足如下幾點要求：

• 樹中所有節(jié)點非紅即黑。

• 根節(jié)點必為黑節(jié)點。

• 紅節(jié)點的子節(jié)點必為黑（黑節(jié)點子節(jié)點可為黑）。

• 從根到NULL的任何路徑上黑結(jié)點數(shù)相同。

查找時間一定可以控制在O(logn)。

紅黑樹的節(jié)點定義如下：

enum Color {RED = 0,BLACK = 1 }; struct RBTreeNode {struct RBTreeNode*left, *right, *parent;int key;int data;Color color; };

所以對紅黑樹的操作需要滿足兩點：1.滿足二叉排序樹的要求；2.滿足紅黑樹自身要求。通常在找到節(jié)點通過和根節(jié)點比較找到插入位置之后，還需要結(jié)合紅黑樹自身限制條件對子樹進(jìn)行左旋和右旋。

相比于AVL樹，紅黑樹平衡性要稍微差一些，不過創(chuàng)建紅黑樹時所需的旋轉(zhuǎn)操作也會少很多。相比于最簡單的BST，BST最差情況下查找的時間復(fù)雜度會上升至O(n)，而紅黑樹最壞情況下查找效率依舊是O(logn)。所以說紅黑樹之所以能夠在STL及Linux內(nèi)核中被廣泛應(yīng)用就是因為其折中了兩種方案，既減少了樹高，又減少了建樹時旋轉(zhuǎn)的次數(shù)。

從紅黑樹的定義來看，紅黑樹從根到NULL的每條路徑擁有相同的黑節(jié)點數(shù)（假設(shè)為n），所以最短的路徑長度為n（全為黑節(jié)點情況）。因為紅節(jié)點不能連續(xù)出現(xiàn)，所以路徑最長的情況就是插入最多的紅色節(jié)點，在黑節(jié)點數(shù)一致的情況下，最可觀的情況就是黑紅黑紅排列......最長路徑不會大于2n，這里路徑長就是樹高。

set

總結(jié)

以上是生活随笔為你收集整理的关于STL几点的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。