C++ 文件输出与输入

article/2025/9/25 23:11:01

文本文件输入

1.必须包含头文件fstream

2.需要声明一个或多个ofstream的对象,并以自己喜欢的方式对其进命名。

3.使用open()方法将ofstream的对象和文件关联起来,使用完文件后使用close方法将其关闭。

4.可以直接用ofstream类的构造函数 ofstream fout("a.txt")

#include<iostream>
#include<fstream>
using namespace std;
int main()
{ofstream fout;//可以直接用ofstream fout("a.txt")char name[50];cin>>name;fout.open("a.txt");fout<<name;fout.close();return 0;
}

iostream提供了一个预先定义好的名为cout的ostream的对象,所以cout有的方法 fout都可以用,比如cout<<name.

 

文本文件输出

1.包含头文件fstream

2.需要声明一个或多个ifstream的对象,并以自己喜欢的方式对其命名

3使用open()方法将ofstream的对象和文件关联起来,使用完文件后使用close()方法将其关闭

4.可以直接用fstream类的构造函数 如 ifstream fin("a.txt")

#include<iostream>
#include<fstream>
using namespace std;
int main()
{ifstream fin;fin.open("a.txt");if(!fin.is_open())//如果文件被打开了,则将数据写入文件{char name[50];fin.getline(name,50);cout<<name;fin.close();}else{cout<<"error"<<endl;}}

iostream提供了一个预先定义好的名为cin的istream的对象,所以cin有的方法 fin都可以用,比如fin.getline.

if_open()可以用来检测是否文件被打开了(可能由于访问权限问题,文件会打不开,也可能是文件不存在)。

eof()的方法可以用来判断是否到达文件末尾(到达文件末尾eof返回true)

fail()的方法可以来判断在输入的过程中是否出现类型不匹配的问题(发生类型不匹配fail返回true)

出现意外问题如文件受损或者硬盘故障,bad()会返回true。

 

1.文件模式:

在上面我们看到了fout.open()是将fout对象和文件绑定起来,那么会有以下情况出现:


文件不存在
文件存在,但是没有写权限
文件存在,权限也正确(不考虑成功)


而我们按照上面的方法则是,如果文件不存在,则创建文件。如果文件存在则是将原来的文件清空,重新写入。(警告:千万不要这样整,万一一不小心将原来文件给删除了,那就一手凉凉了)

这里就得提到了ios_base类定义了一个openmode类型,如下表:

而我们在上面的fout.open()其实是有三个参数的,第一个是文件的路径,第二个是打开文件的类型,第三个是权限。如果不写的话,会采用默认参数,就是ios_base::out|ios_base::trunc;也就是会覆盖掉之前文件内容的。

 


http://chatgpt.dhexx.cn/article/2nMu5ue0.shtml

相关文章

遥感数据常用库使用笔记整理---netCDF4,h5py

netCDF4使用记录 数据读取&#xff0c;属性读取 import netCDF4 as nc>>>read_obj nc.Dataset(inputFile, moder) #数据读取>>> read_obj.variables.keys()# 获取所有数据集的名称[ulat, ulon, uPRE, ugeospatial_lat_lon_extent]>>> read_obj.va…

相机标定(2)opencv2实现

相机标定步骤 OpenCV使用棋盘格板进行标定&#xff0c;如下图所示。为了标定相机&#xff0c;我们需要输入一系列三维点和它们对应的二维图像点。 1、在黑白相间的棋盘格上&#xff0c;二维图像点很容易通过角点检测找到。 2、而对于真实世界中的三维点呢&#xff1f;由于我们…

C++的文档操作心得

先提出一个问题&#xff1a; 假如我们玩贪吃蛇&#xff0c;玩到最后游戏结束时&#xff0c;显示出游戏的最高纪录&#xff0c;那我们想想&#xff1a;当我们关闭游戏进程时&#xff0c;这个游戏最高纪录是如何保存下来的呢&#xff1f; 由此引出文件操作 1.将maxscore数据保…

文件输入输出(文本文件、二进制文件)(ifstream、ofstream)

一.写入文件流程 创建一个ofstream对象来管理输出流。将该对象与特定文件关联起来。以使用cout方式使用该对象&#xff0c;唯一区别是输出进文件&#xff0c;不是屏幕。关闭文件流. ofstream fout; fout.open(filename); //上面两步可以合并为&#xff1a; ofstream fout(fil…

【IC7】FPGA最高工作频率的计算方法;FPGA最大输出频率;查看handbook的PLL最高频率;Fout_ext;Fout两个参数;FPGA输出1ns脉冲

目录 1 时钟周期 T Tco Tlogic Troute Tsu 2&#xff0c; 故 Tlogic 4 * Tlut   3&#xff0c;  Tco Tsu 12 * Tlut 4&#xff0c;搜索handbook&#xff0c;不要搜索datasheet 4-1 时钟树的特性 4-2 PLL特性&#xff1b;Fout_ext;Fout两个参数 5&#xff0…

CNN与RNN的详细介绍

CNN与RNN的介绍 本文主要总结我对李宏毅老师讲的CNN和RNN的理解&#xff0c;通过对比总结各自的优势&#xff0c;同时加深自己对这方面知识的理解。 1、CNN介绍 CNN是一种利用卷积计算的神经网络。它可以通过卷积计算将原像素很大的图片保留主要特征变成很小的像素图片。本文介…

CNN简介

CNN 卷积神经网络是含有卷积层的神经网络&#xff0c;而卷积层则得名于卷积运算。 Filter 在卷积层中&#xff0c;我们会用一个叫做filter的东西扫过一张图片。这些 filter 啊 它们的大小是,3 3 Channel 的 Size。如果今天是彩色图片的话,那就是 RGB 三个 Channel,如果是…

深度学习(六):CNN介绍

深度学习&#xff08;六&#xff09;&#xff1a;CNN介绍 CNN架构 首先input一张image以后&#xff0c;这张image会通过convolution layer&#xff0c;接下里做max pooling这件事&#xff0c;然后在做convolution&#xff0c;再做max pooling这件事。这个process可以反复无数次…

cnn算法

机器学习算法完整版见fenghaootong-github 卷积神经网络原理(CNN) 卷积神经网络CNN的结构一般包含这几个层&#xff1a; 输入层&#xff1a;用于数据的输入卷积层&#xff1a;使用卷积核进行特征提取和特征映射激励层&#xff1a;由于卷积也是一种线性运算&#xff0c;因此需…

cnn-lstm介绍(2)

1. CNN-LSTM模型。CNN具有注意最明显的特征&#xff0c;因此在特征工程中得到了广泛的应用。LSTM有&#xff0c;按时间顺序扩张的特性&#xff0c;广泛应用于时间序列中。 根据CNN和LSTM股票预测模型的特点 建立了基于CNN的LSTM模型-e模型结构 示意图如图1所示&#xff0c;主…

实例分割模型Mask R-CNN详解:从R-CNN,Fast R-CNN,Faster R-CNN再到Mask R-CNN

Mask R-CNN是ICCV 2017的best paper&#xff0c;彰显了机器学习计算机视觉领域在2017年的最新成果。在机器学习2017年的最新发展中&#xff0c;单任务的网络结构已经逐渐不再引人瞩目&#xff0c;取而代之的是集成&#xff0c;复杂&#xff0c;一石多鸟的多任务网络模型。Mask …

CNN与RNN的区别

从应用方面上来看&#xff0c;我了解到的CNN用到做图像识别比较多&#xff0c;而RNN在做到语言处理多一点&#xff0c;如果拿来比喻的话&#xff0c;CNN如同眼睛一样&#xff0c;正是目前机器用来识别对象的图像处理器。相应地&#xff0c;RNN则是用于解析语言模式的数学引擎&a…

卷积神经网络(CNN)结构详解

一、CNN的基本结构&#xff1a; 1.图像就是输入层 2.接着是CNN特有的卷积层&#xff08;convolution&#xff09;&#xff0c;卷积层的自带激活函数使用的是ReLU 3.接着是CNN特有的池化层&#xff08;pooling&#xff09;&#xff0c; 4.卷积层池化层的组合可以在隐藏层中出…

CNN的实现(附代码)

前言 前文已经单独实现了卷积层和池化层&#xff0c;现在来组合这些层&#xff0c;搭建进行手写数字识别的CNN。 这个简单的CNN网络构成如下。 网络的构成是“Convolution - ReLU - Pooling -Affine - ReLU - Affine - Softmax”&#xff0c;我们将它实现为名为SimpleConvNet…

CNN卷积网络简介

CNN卷积网络 CNN卷积网络的结构 输入层&#xff1a; 输入层是3232 RGB图像。 注&#xff1a;有必要计算每一层输出的图片大小。 卷积层&#xff1a; 卷积层的核心在于卷积核与激活函数。   卷积层最主要的作用是寻找与卷积核匹配的特征,因为与卷积核符合&#xff08;卷积核…

CNN的通俗理解

Agenda 1 卷积神经网络Convolutional Neural Networks,CNN1.1 前言1.2 图像转化成矩阵1.3 卷积核1.4 特征图feature map1.5 激活函数1.6 池化1.7 训练 1 卷积神经网络Convolutional Neural Networks,CNN 1.1 前言 卷积神经网络是针对图像的深度学习框架。 1.2 图像转化成矩阵…

CNN网络详解

分割线----------------------------------   这里更新过一次&#xff0c;在朋友的提醒下&#xff0c;我发现这份代码不是很容易懂。我使用了Pytorch给的官方demo重新实现了LeNet&#xff0c;并做出了详细解释&#xff0c;如果理解下面代码有问题&#xff0c;可以先看我的这篇…

卷积神经网络(CNN)基本概念

一、卷积神经网络基本概念 卷积神经网络包含了一个由卷积层和子采样层构成的特征抽取器。在卷积神经网络的卷积层中&#xff0c;一个神经元只与部分邻层神经元相连接。在CNN的一个卷积层中&#xff0c;通常包含若干个特征平面&#xff0c;每个特征平面都由一些矩形排列的神经元…

CNN简单介绍及基础知识

文章目录 一&#xff09;卷积神经网络历史沿革 二&#xff09;CNN简单介绍 三&#xff09;CNN相关基础知识 前言 在过去的几年里&#xff0c;卷积神经网络(CNN)引起了人们的广泛关注&#xff0c;尤其是因为它彻底改变了计算机视觉领域&#xff0c;它是近年来深度学习能在计算机…

一文读懂目标检测:R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD

一文读懂目标检测&#xff1a;R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD 前言 之前我所在的公司七月在线开设的深度学习等一系列课程经常会讲目标检测&#xff0c;包括R-CNN、Fast R-CNN、Faster R-CNN&#xff0c;但一直没有比较好的机会深入&#xff08;但当你对目标检测…