C++高效序列化 Boost.Serialization 介绍 - 朝荐开源
liuian 2025-04-24 03:26 15 浏览
Boost.Serialization 是 Boost 库中专门用于对象序列化的组件,具有强大的类型支持和灵活性。它提供了一种简单的方式把任意复杂的 C++ 对象保存到文件或内存缓冲区,然后再从这些文件或缓冲区中还原对象。
一、库的介绍
Boost.Serialization 集成在著名的 Boost C++ 库集合中,可与其他 Boost 组件无缝结合。与其它轻量级或跨语言序列化方案略有不同,Boost.Serialization 更偏向于纯 C++ 场景中数据持久化、传输或复制。它支持几乎所有可复制的 C++ 类型,如基本类型、STL 容器、自定义类、指针结构、可继承层次的多态类型等。
该库通过序列化函数(serialize)或专门的宏来自动识别类的私有成员、模板容器等。由于其与 C++ 语言特性深度集成,可以认为是对 C++ 对象的一种最原生的序列化支持。对于规模较大的 C++ 项目而言,如果不需要直接与其他语言交互,而更看重 C++ 类内部的完整序列化,那么 Boost.Serialization 便是理想之选。
二、主要功能
- 多种序列化存储后端:支持输出到文本、二进制、XML 等多种格式,以满足不同应用需求的可读性或效率优先级。
- 丰富的类型支持:内置对常见的原生类型、STL 容器的支持,并可自动处理指针、引用类型等复杂情况。
- 可扩展性:可自定义序列化逻辑,针对自定义类或第三方库中的类型进行特化,灵活度高。
- 多态与指针跟踪:可针对面向对象场景中的基类与派生类进行序列化,并对同一对象的多处引用进行指针跟踪,避免产生重复对象。
三、特点
- 易用性:统计或自动化的 serialize 函数编写方式,使许多常规 C++ 类型可以“开箱即用”地被序列化,不需要大规模手写代码。
- 多格式输出:文本、XML、二进制三种支持可以让用户在可读性和性能之间自行取舍。
- 二进制档:速度最快、体积最小,但难以直接查看内容。
- 文本档:可直接查看,适合简单调试或测试。
- XML 档:可读性强,便于数据结构可视化和排错。
- 深度支持复杂类型:使用模板元编程对 STL 容器和用户自定义类型进行统一处理,功能全面。
- 跨平台一致性:同样的 C++ 程序可在不同操作系统间使用 Boost.Serialization 进行数据交换,并保持一致。
四、应用场景
- 本地数据持久化:把内存中的数据结构持久化到文件,便于程序下次运行时直接还原,不用重新构造。
- 网络传输:在 C++ 服务端与 C++ 客户端之间,以二进制或文本流进行数据传输,可避免编写重复的解析逻辑。
- 拷贝与克隆:通过序列化和反序列化实现对象的“深拷贝”,尤其是涉及复杂指针或容器依赖的对象体系时。
- 配置管理与日志:把系统运行状态或配置参数序列化保存成可读(XML 或文本)的文件,后续可进行审计或恢复。
五、详细各功能模块与代码示例
以下示例展示如何通过 Boost.Serialization 序列化自定义类对象。请确认已安装 Boost 库,并在编译时包含相应头文件和链接设定。
1. 引入头文件与命名空间
#include <boost/archive/text_oarchive.hpp>
#include <boost/archive/text_iarchive.hpp>
#include <boost/serialization/vector.hpp>
#include <boost/serialization/string.hpp>
#include <boost/serialization/utility.hpp>
#include <fstream>
#include <iostream>
// 如果在类定义外进行序列化函数特化,需要声明该命名空间
using namespace boost::archive;
2. 定义待序列化的类
class Player {
private:
friend class boost::serialization::access;
template<class Archive>
void serialize(Archive & ar, const unsigned int version) {
ar & name;
ar & level;
ar & inventory;
}
public:
std::string name;
int level;
std::vector<std::string> inventory;
Player() : level(0) {}
Player(std::string n, int l) : name(n), level(l) {}
};
其中 serialize 函数是序列化核心,它会在保存/加载时自动被调用。
boost::serialization::access 是一个友元类,用于访问私有成员并进行序列化。
3. 序列化过程:写入数据
int main() {
Player p("Knight", 10);
p.inventory.push_back("Sword");
p.inventory.push_back("Shield");
std::ofstream ofs("save.txt");
text_oarchive oa(ofs);
oa << p; // 序列化 Player 对象到文本文件
ofs.close();
std::cout << "Player data saved to save.txt" << std::endl;
return 0;
}
将一个 Player 实例序列化写入 “save.txt”。这里使用 text_oarchive 即文本序列化档,可直接打开查看内容。
4. 反序列化过程:读取数据
int main() {
Player newPlayer;
std::ifstream ifs("save.txt");
text_iarchive ia(ifs);
ia >> newPlayer; // 从文本文件中反序列化出 Player 对象
std::cout << "Loaded Player: " << newPlayer.name << ", "
<< "Level: " << newPlayer.level << std::endl;
for (auto &item : newPlayer.inventory) {
std::cout << "Item: " << item << std::endl;
}
return 0;
}
通过 text_iarchive 可以反序列化返回 newPlayer 对象,文件中的文本格式将被读取并映射到类的成员变量上。
5. 多格式支持
除了 text_oarchive 和 text_iarchive,Boost.Serialization 还提供 binary_oarchive / binary_iarchive(二进制格式)和 xml_oarchive / xml_iarchive(XML 格式)。切换方式只需包含对应头文件并替换存档类型。例如:
#include <boost/archive/xml_oarchive.hpp>
#include <boost/archive/xml_iarchive.hpp>
然后:
xml_oarchive oa(ofs);
xml_iarchive ia(ifs);
即可输出或输入 XML 格式数据。此时序列化的内容将可读性更好,也能保留部分类型信息,但存档体积和处理速度会受到一定影响。
六、总结
Boost.Serialization 在纯 C++ 环境下,为对象序列化和反序列化提供了强大而富有弹性的解决方案。从简单的结构,到复杂的继承层次与指针引用,都能通过少量的宏或模板函数实现自动化的保存与恢复。它完全遵循 C++ 的思维模型,强烈依赖模板机制,在编译阶段帮我们处理绝大多数类型推断和访问控制,带来了极大的便利性。
对那些不依赖多语言互操作,但需要深度支持所有 C++ 特性的项目而言,Boost.Serialization 不失为一个稳定且灵活的选择。无论是游戏存档、配置管理、对象复制,还是网络服务端与客户端数据交互,都可以通过它完成最原始、最完整的 C++ 序列化工作。
- 上一篇:Boost「1」安装
- 下一篇:React 事件机制原理
相关推荐
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
-
引言在现代应用程序中,数据的存储和处理变得愈发复杂多样。MySQL8.0引入了丰富的JSON相关函数,为我们提供了更灵活的数据存储和检索方式。本文将深入探讨MySQL8.0中的JSON...
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
-
前言虽然MySQL很早就添加了Json类型,但是在业务开发过程中还是很少设计带这种类型的表。少不代表没有,当真正要对Json类型进行特定查询,修改,插入和优化等操作时,却感觉一下子想不起那些函数怎么使...
- MySQL的json查询之json_array(mysql json_search)
-
json_array顾名思义就是创建一个数组,实际的用法,我目前没有想到很好的使用场景。使用官方的例子说明一下吧。例一selectjson_array(1,2,3,4);json_array虽然单独...
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
-
#头条创作挑战赛#一、LSTM原理长短期记忆网络(LongShort-TermMemory,LSTM)是一种特殊类型的循环神经网络(RNN),旨在解决传统RNN在处理长序列数据时面临的梯度...
- TensorBoard最全使用教程:看这篇就够了
-
机器学习通常涉及在训练期间可视化和度量模型的性能。有许多工具可用于此任务。在本文中,我们将重点介绍TensorFlow的开源工具套件,称为TensorBoard,虽然他是TensorFlow...
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
-
本文约4600字,建议阅读10分钟本文介绍了图神经网络版本的对比。KolmogorovArnoldNetworks(KAN)最近作为MLP的替代而流行起来,KANs使用Kolmogorov-Ar...
- kornia,一个实用的 Python 库!(python kkb_tools)
-
大家好,今天为大家分享一个实用的Python库-kornia。Github地址:https://github.com/kornia/kornia/Kornia是一个基于PyTorch的开源计算...
- 图像分割掩码标注转YOLO多边形标注
-
Ultralytics团队付出了巨大的努力,使创建自定义YOLO模型变得非常容易。但是,处理大型数据集仍然很痛苦。训练yolo分割模型需要数据集具有其特定格式,这可能与你从大型数据集中获得的...
- [python] 向量检索库Faiss使用指北
-
Faiss是一个由facebook开发以用于高效相似性搜索和密集向量聚类的库。它能够在任意大小的向量集中进行搜索。它还包含用于评估和参数调整的支持代码。Faiss是用C++编写的,带有Python的完...
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
-
并行运行70B大模型我们已经看到,量化已经成为在低端GPU(比如Colab、Kaggle等)上加载大型语言模型(LLMs)的最常见方法了,但这会降低准确性并增加幻觉现象。那如果你和你的朋友们...
- ncnn+PPYOLOv2首次结合!全网最详细代码解读来了
-
编辑:好困LRS【新智元导读】今天给大家安利一个宝藏仓库miemiedetection,该仓库集合了PPYOLO、PPYOLOv2、PPYOLOE三个算法pytorch实现三合一,其中的PPYOL...
- 人工智能——图像识别(人工智能图像识别流程)
-
概述图像识别(ImageRecognition)是计算机视觉的核心任务之一,旨在通过算法让计算机理解图像内容,包括分类(识别物体类别)、检测(定位并识别多个物体)、分割(像素级识别)等,常见的应用场...
- PyTorch 深度学习实战(15):Twin Delayed DDPG (TD3) 算法
-
在上一篇文章中,我们介绍了DeepDeterministicPolicyGradient(DDPG)算法,并使用它解决了Pendulum问题。本文将深入探讨TwinDelayed...
- 大模型中常用的注意力机制GQA详解以及Pytorch代码实现
-
分组查询注意力(GroupedQueryAttention)是一种在大型语言模型中的多查询注意力(MQA)和多头注意力(MHA)之间进行插值的方法,它的目标是在保持MQA速度的同时...
- pytorch如何快速创建具有特殊意思的tensor张量?
-
专栏推荐正文我们通过值可以看到torch.empty并没有进行初始化创建tensor并进行随机初始化操作,常用rand/rand_like,randint正态分布(0,1)指定正态分布的均值还有方差i...
- 一周热门
-
-
Python实现人事自动打卡,再也不会被批评
-
Psutil + Flask + Pyecharts + Bootstrap 开发动态可视化系统监控
-
一个解决支持HTML/CSS/JS网页转PDF(高质量)的终极解决方案
-
再见Swagger UI 国人开源了一款超好用的 API 文档生成框架,真香
-
【验证码逆向专栏】vaptcha 手势验证码逆向分析
-
网页转成pdf文件的经验分享 网页转成pdf文件的经验分享怎么弄
-
C++ std::vector 简介
-
python使用fitz模块提取pdf中的图片
-
《人人译客》如何规划你的移动电商网站(2)
-
Jupyterhub安装教程 jupyter怎么安装包
-
- 最近发表
-
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
- MySQL的json查询之json_array(mysql json_search)
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
- TensorBoard最全使用教程:看这篇就够了
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
- kornia,一个实用的 Python 库!(python kkb_tools)
- 图像分割掩码标注转YOLO多边形标注
- [python] 向量检索库Faiss使用指北
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
- 标签列表
-
- python判断字典是否为空 (50)
- crontab每周一执行 (48)
- aes和des区别 (43)
- bash脚本和shell脚本的区别 (35)
- canvas库 (33)
- dataframe筛选满足条件的行 (35)
- gitlab日志 (33)
- lua xpcall (36)
- blob转json (33)
- python判断是否在列表中 (34)
- python html转pdf (36)
- 安装指定版本npm (37)
- idea搜索jar包内容 (33)
- css鼠标悬停出现隐藏的文字 (34)
- linux nacos启动命令 (33)
- gitlab 日志 (36)
- adb pull (37)
- table.render (33)
- uniapp textarea (33)
- python判断元素在不在列表里 (34)
- python 字典删除元素 (34)
- react-admin (33)
- vscode切换git分支 (35)
- vscode美化代码 (33)
- python bytes转16进制 (35)