当前位置: 首页 > news >正文

7 与mint库对象互转宏(macros.rs)

macros.rs代码定义了一个Rust宏mint_vec,它用于在启用mint特性时,为特定的向量类型实现与mint库中对应类型的相互转换。mint库是一个提供基本数学类型(如点、向量、矩阵等)的Rust库,旨在与多个图形和数学库兼容。这个宏通过减少重复代码,使得为自定义向量类型添加与mint库中类型的转换变得更加方便。

一、macros.rs源码

macro_rules! mint_vec {($name:ident [ $($field:ident),* ] = $std_name:ident) => {#[cfg(feature = "mint")]impl<T, U> From<mint::$std_name<T>> for $name<T, U> {fn from(v: mint::$std_name<T>) -> Self {$name {$( $field: v.$field, )*_unit: PhantomData,}}}#[cfg(feature = "mint")]impl<T, U> From<$name<T, U>> for mint::$std_name<T> {fn from(v: $name<T, U>) -> Self {mint::$std_name {$( $field: v.$field, )*}}}}
}

二、宏定义

1、宏定义签名:

macro_rules! mint_vec { … }定义了一个名为mint_vec的宏。

2、宏输入参数:

($name:ident [ ( ( (field:ident),* ] = $std_name:ident)是宏的参数列表。这里:

  • name:ident是一个标识符(ident),表示要生成实现的自定义向量类型的名称。
  • [ ( ( (field:ident),* ] ,是一个可变长度的标识符列表,表示向量中的字段名称。这里的*表示这是一个重复的模式,可以匹配零个或多个字段。
  • std_name:ident是另一个标识符,表示mint库中对应的标准向量类型的名称。

3、宏体

宏的主体包含了两部分impl块,分别用于实现From转换。

  • 第一部分实现了从mint库中的向量类型(mint::std_name)到自定义向量类型(name<T, U>)的转换。
  • 第二部分实现了反向的转换,即从自定义向量类型(name<T, U>)到mint库中的向量类型(mint::std_name)的转换。
  • 在这两个实现中,field: v.是宏的重复语法,用于将自定义向量类型的每个字段映射到mint库向量类型的对应字段上。这使得转换能够直接复制字段值,而不需要手动编写每个字段的转换代码。

三、条件编译

  • #[cfg(feature = “mint”)]:这个属性指示编译器仅当启用了mint特性时才编译接下来的代码块。这允许用户通过Cargo的特性标志来控制是否包含这些实现。

四、PhantomData: - _unit: PhantomData:

这是一个类型参数U的PhantomData实例,用于在自定义向量类型中携带一个额外的类型参数而不占用实际空间。这通常用于标记或限制泛型类型的用途,而在这个宏中,它可能用于保持与mint库中类型一致的泛型签名。

五、 总结

这个宏允许开发者通过简单地指定自定义向量类型的名称、字段和对应的mint库类型,来自动生成与mint库中向量类型的相互转换实现,从而减少了重复代码并提高了代码的可维护性。


http://www.lryc.cn/news/532078.html

相关文章:

  • pytorch实现变分自编码器
  • Node.js与嵌入式开发:打破界限的创新结合
  • Noise Conditional Score Network
  • 低代码系统-产品架构案例介绍、蓝凌(十三)
  • 51单片机 02 独立按键
  • 2021.3.1的android studio版本就很好用
  • CSV数据分析智能工具(基于OpenAI API和streamlit)
  • 移除元素-双指针(下标)
  • 蓝桥杯备赛题目练习(一)
  • FortiOS 存在身份验证绕过导致命令执行漏洞(CVE-2024-55591)
  • 【多线程】线程池核心数到底如何配置?
  • Windows图形界面(GUI)-QT-C/C++ - Qt Combo Box
  • 开源AI智能名片2 + 1链动模式S2B2C商城小程序:内容价值创造与传播新引擎
  • python读取excel工具:openpyxl | AI应用开发
  • 堆的基本概念
  • Android车机DIY开发之软件篇(九) NXP AutomotiveOS编译
  • 嵌入式工程师必学(143):模拟信号链基础
  • 《LLM大语言模型深度探索与实践:构建智能应用的新范式,融合代理与数据库的高级整合》
  • e2studio开发RA2E1(5)----GPIO输入检测
  • Spring @Lazy:延迟初始化,为应用减负
  • 将OneDrive上的文件定期备份到移动硬盘
  • 从0开始,来看看怎么去linux排查Java程序故障
  • DeepSeek-V3:开源多模态大模型的突破与未来
  • Deep Sleep 96小时:一场没有硝烟的科技保卫战
  • Redis地理散列GeoHash
  • JAVA安全—反射机制攻击链类对象成员变量方法构造方法
  • 专业学习|一文了解并实操自适应大邻域搜索(讲解代码)
  • 9. k8s二进制集群之kube-controller-manager部署
  • 轮转数组-三次逆置
  • 3 卷积神经网络CNN