当前位置: 首页 > news >正文

C++ 容器查找效率

C++ 容器查找效率

只要选对容器,多写几行代码就能让程序“飞”起来。下面用生活化的比喻 + 足够多的带注释示例,帮你弄懂常用 STL 容器的查找特性。
读完你应该能快速判断:“我的场景该用哪一个?”


0. 先把“查找复杂度”聊明白

记号含义举个🌰
O(1)常数时间像从冰箱门口拿饮料——一下就到手
O(log n)对数时间折半查电话簿——越找越快
O(n)线性时间排队买奶茶——要挨个等

只要记住:数字越小越快,O(1) 最爽,O(n) 最慢。


1. std::vector —— “排排坐”的长桌子

  • 特点:元素一字排开,内存连续,跟操场跑道一样直。
  • 查找
    • 没排序:只能一个个比——O(n)
    • 排好序:可折半查——O(log n)
#include <vector>
#include <algorithm>   // std::sort, std::binary_search
#include <iostream>int main() {std::vector<int> nums{5, 1, 4, 3, 2};   // 连续摆放的「长桌子」std::sort(nums.begin(), nums.end());    // ① 排序一次,之后查找快//    nums 变成 {1,2,3,4,5}bool has3 = std::binary_search(         // ② 折半查找 3nums.begin(), nums.end(), 3);       //    O(log n)std::cout << (has3 ? "找到了" : "没找到") << '\n';
}

什么时候用

  • 数据量可控、想要下标随机访问。
  • 插入删除不多(尤其不是在中间插)。

2. std::list —— “珍珠项链”

  • 特点:每颗珠子(节点)用线(指针)串起来,插拔容易。
  • 查找:得一颗颗摸——O(n),而且分散指针不利于 CPU 缓存。
#include <list>
#include <algorithm>
#include <iostream>int main() {std::list<int> lst{1, 2, 3, 4, 5};          // 一串节点auto it = std::find(lst.begin(), lst.end(), 3); // ① 线性查找std::cout << (it != lst.end() ? "找到了" : "没找到") << '\n';
}

什么时候用
插入 / 删除动作特别频繁、但不太在意查找速度,比如任务队列需要随时插入或移走元素。


3. std::set —— 自动排序的“有序字典”

  • 底层:红黑树,像一个能自动平衡的家谱图。
  • 查找 / 增删:都 O(log n)
#include <set>
#include <iostream>int main() {std::set<int> s{4, 1, 3, 2};      // 元素自动有序:{1,2,3,4}bool has2 = s.contains(2);        // C++20 起可直接 containsstd::cout << (has2 ? "有 2" : "没 2") << '\n';
}

什么时候用
既想要“去重”又想要“元素排好序”,而且单个元素查找要快。


4. std::unordered_set —— “散列表”小黑屋

  • 底层:哈希表,把元素按哈希值分到不同“桶”里。
  • 平均查找O(1),最坏冲突多时 O(n)
  • 元素无序:放进去啥顺序不管。
#include <unordered_set>
#include <iostream>int main() {std::unordered_set<std::string> words; // 小黑屋摞桶words.insert("hello");words.insert("world");if (words.contains("hello")) {         // 平均 O(1)std::cout << "嘿~ 找到了 hello\n";}
}

什么时候用
不需要顺序,只想“秒查秒存”,典型如去重、统计次数。


5. std::map vs std::unordered_map —— 键值对“双子星”

容器底层查找是否有序
map红黑树O(log n)
unordered_map哈希表O(1) 平均
#include <map>
#include <unordered_map>
#include <iostream>int main() {std::map<int, std::string> ordered;          // 有序ordered[2] = "B"; ordered[1] = "A";std::unordered_map<int, std::string> hash;   // 无序hash[2] = "B"; hash[1] = "A";std::cout << ordered[1] << ' ' << hash[1] << '\n';
}

什么时候用

  • 需要按键遍历且保持有序:map
  • 只关心查、增、删速度:unordered_map

6. std::deque —— 可以从两头装菜的“长盘子”

  • 特点:首尾插入 / 删除都是 O(1);中间操作比 vector 慢点。
  • 查找:线性 O(n);随机访问语法与 vector 一样。
#include <deque>
#include <algorithm>
#include <iostream>int main() {std::deque<int> q{1, 2, 3};q.push_front(0);        // 头部 O(1)q.push_back(4);         // 尾部 O(1)bool has3 = std::find(q.begin(), q.end(), 3) != q.end();std::cout << (has3 ? "有 3" : "没 3") << '\n';
}

什么时候用
既想要随机访问,又要在首尾频繁加减元素,比如滑动窗口算法。


7. “多索引”技巧 —— 一份数据,多把钥匙

如果你既想按 ID 查,又想按 名字 查,可以:

#include <vector>
#include <unordered_map>struct User { int id; std::string name; };std::vector<User> users;                      // 主数组
std::unordered_map<int, User*> id_index;      // id → 指针
std::unordered_map<std::string, User*> name_index; // name → 指针
  • 插入一个用户时,三处都要更新
  • 查找时,从对应索引直接拿到指针,速度飞快。

8. 记忆卡片(纯中文朗朗上口)

小而随机选 vector
插删中间选 list
要有序就 set/map
求极致快 unordered_*
两头忙活用 deque
多条件查 自建索引

最后一句话

先写代码,测一次性能——复杂度只给方向,真快还是得跑数据。祝你写得顺、跑得飞!

相关文章:

C++ 容器查找效率

C 容器查找效率 只要选对容器&#xff0c;多写几行代码就能让程序“飞”起来。下面用生活化的比喻 足够多的带注释示例&#xff0c;帮你弄懂常用 STL 容器的查找特性。 读完你应该能快速判断&#xff1a;“我的场景该用哪一个&#xff1f;” 0. 先把“查找复杂度”聊明白 记号…...

汽车可变转向比系统的全面认识

一、什么是转向比&#xff1f; 转向比又叫转向传动比&#xff0c;是指方向盘转向角度与车轮转向角度之比。 例如&#xff0c;方向盘向左转动了60角&#xff0c;而车轮则向左转动了30角&#xff0c;转向比就是2&#xff1a;1。 转向比越大&#xff0c;意味着要使车轮转向达到指…...

知识储备-后仿

仿真环境设定 mem、constant input(scan/test)等设非x初值无复位ff通过force-release处理vcs timing_check、optconfigfile (自定义配置&#xff0c;如指定模块timing check与否&#xff09;设置运行核数、仿真精度不要过小设置、根据测试目的选择性关闭、dump范围(时间/空间)…...

C# AutoResetEvent 详解

一、简介 AutoResetEvent 是 .NET 中一个重要的线程同步原语&#xff0c;用于线程间的信号通知。下面我将从多个方面详细讲解 AutoResetEvent。 AutoResetEvent 是 System.Threading 命名空间下的一个类&#xff0c;它表示一个线程同步事件&#xff0c;在等待线程被释放后会自…...

【水印图片文字识别】水印相机拍摄的照片提取重要的信息可以批量改名,批量识别水印文字内容批量给图片改名,基于QT和腾讯OCR的识别方案

应用场景 在日常工作和生活中,人们使用水印相机拍摄的照片往往包含重要的信息,如拍摄地点、时间、事件等。这些信息以水印的形式存在于照片中。当需要对大量照片进行管理时,手动为每张照片重命名是一项繁琐且容易出错的工作。通过批量识别水印文字内容并为图片改名,可以提…...

【架构】Armstrong公理系统通俗详解:数据库设计的基本法则

关系数据库就像一本精心设计的通讯录&#xff0c;而Armstrong公理系统则是帮我们整理这本通讯录的基本规则。本文将用简单易懂的语言和生活实例&#xff0c;带你理解这套看似复杂的理论。 1. 什么是函数依赖&#xff1f; 想象你有一个学生信息表&#xff0c;包含学号、姓名、…...

Redis高频核心面试题

1.阐述Redis的主要的特性和优势 &#xff1f; 【Redis 的主要特性】 &#xff08;1&#xff09;Redis 是完全开源免费的&#xff0c;遵守 BSD 协议&#xff0c;是一个高性能的 key-value 数据库 &#xff08;2&#xff09;Redis 与其他 key - value 缓存产品有以下三个特点&a…...

Vue3-原始值的响应式方案ref

一、原始类型的值 原始类型的指的是: boolean、number、string、symbol、undefind和null等类型的值. 一、初识ref 为什么vue3需要对原始值的响应式做单独处理?因为Javascript中的Proxy只能代理对象类型的数据, 如普通对象、数组、Set、Map等。 为了解决Proxy不能代理原始类…...

VUE的创建

Vue Vue的创建脚手架创建Vue的解析setup函数:插值表达式数据响应式 ⽬录和⽂件解读指令 Vue的创建 下载VScode https://code.visualstudio.com/download 加入拓展包 点击 然后输入代码 <!DOCTYPE html> <html lang"en"><head><meta charset&…...

第51讲:AI在农业政策支持系统中的应用——用人工智能点亮科学决策的新范式

目录 🧠 开篇引导:农业决策,如何更科学? 🤖 什么是“AI驱动的农业政策支持系统”? 🧪 案例解析:AI如何助力农业政策? 🌾 案例一:政策补贴的智能匹配 🌍 案例二:土地利用规划支持 🛠 AI在农业政策建模中的常用技术 📈 可视化与接口建议 🌟 未来…...

开关电源LM5160-Q1 在 Fly-Buck 电路中的硬件设计与 PCB Layout 优化

一、LM5160-Q1 规格书深度解读与硬件设计参数提取 核心功能 宽输入范围:4.5V~65V,支持汽车级输入电压波动(AEC-Q100 标准,温度等级 1:-40C~125C)。 集成度:内置高侧 / 低侧 MOSFET,无需外部肖特基二极管,同步降压 / Fly-Buck 双模式。 控制架构:自适应恒定导通时间…...

面向 C# 初学者的完整教程

&#x1f9f1; 一、项目结构说明 你的项目大致结构如下&#xff1a; TaskManager/ ├── backend/ │ ├── TaskManager.Core/ // 实体类和接口 │ ├── TaskManager.Infrastructure/ // 数据库、服务实现 │ └── TaskManager.API/ // We…...

Python实现孔填充与坐标转换

一、问题背景 在工业自动化、材料加工等领域&#xff0c;常需要在图像识别的闭合区域内生成等间距的孔位坐标。本文基于OpenCV库&#xff0c;提出一种从图像边界提取到物理坐标生成的完整解决方案&#xff0c;实现以下核心功能&#xff1a; 像素坐标到实际尺寸的转换安全间距…...

精益数据分析(16/126):掌握关键方法,探寻创业真谛

精益数据分析&#xff08;16/126&#xff09;&#xff1a;掌握关键方法&#xff0c;探寻创业真谛 大家好&#xff01;在创业与数据分析的学习道路上&#xff0c;每一次的探索都让我们离成功更近一步。今天&#xff0c;我带着和大家共同进步的初心&#xff0c;继续深入解读《精…...

pytorch(gpu版本安装)

Pytorch官网下载很慢 选择以下方法&#xff0c;关于版本对应从pytorch官网查看 官网方法 pip install torch2.2.0 torchvision0.17.0 torchaudio2.2.0 --index-url https://download.pytorch.org/whl/cu121 其他方法 pip install torch2.2.0cu121 torchvision0.17.0cu121 t…...

day001

文章目录 1. 常用Linux发行版本2. 常用的Linux系统及版本3. Linux系统运行在哪&#xff1f;4. 安装kylin虚拟机4.1 环境准备4.2 新建虚拟机4.3 配置虚拟机参数4.4 同意系统使用协议4.5 登录系统&#xff0c;查看ip4.6 保存系统快照 5. 远程连接5.1 连接类型对比5.2 使用Xshell连…...

k8s 证书相关问题

1.重新生成新证书 kubeadm init phase certs apiserver-etcd-client --config ~/kubeadm.yaml这个命令表示生成 kube-apiserver 连接 etcd 使用的证书,生成后如下 -rw------- 1 root root 1.7K Apr 23 16:35 apiserver-etcd-client.key -rw-r--r-- 1 root root 1.2K Apr 23 …...

Spring JDBC 的开发步骤(注解方式)

Spring JDBC 的开发步骤主要包括以下关键环节&#xff0c;结合代码示例说明如下&#xff1a; 1. 添加依赖 在 pom.xml 中引入 Spring JDBC 和数据库驱动依赖&#xff08;以 HikariCP 连接池和 MySQL 为例&#xff09;&#xff1a; <!-- Spring JDBC --> <dependency…...

蓝桥杯 15.小数第n位

小数第n位 原题目链接 题目描述 我们知道&#xff0c;整数做除法时&#xff0c;有时会得到有限小数&#xff0c;有时会得到无限循环小数。 如果我们把有限小数的末尾加上无限多个 0&#xff0c;它们就具有了统一的形式。 本题的任务是&#xff1a;在上述约定下&#xff0c…...

[计算机科学#1]:计算机的前世今生,从算盘到IBM的演变之路

【核知坊】&#xff1a;释放青春想象&#xff0c;码动全新视野。 我们希望使用精简的信息传达知识的骨架&#xff0c;启发创造者开启创造之路&#xff01;&#xff01;&#xff01; 内容摘要&#xff1a;在我们的日常生活中&#xff0c;计算机无处不在——…...

【LangChain4j】AI 第一弹:LangChain4j 的理解

一、LangChain4j 的简介 1.1 LangChain4j的背景 LangChain4j&#xff08;LangChain for java&#xff09; 的目标是简化将大语言模型&#xff08;LLM - Large Language Model&#xff09;集成到 Java 应用程序中的过程。 官网&#xff1a; https://docs.langchain4j.dev 202…...

深入解析C++ STL Stack:后进先出的数据结构

一、引言 在计算机科学中&#xff0c;栈&#xff08;Stack&#xff09;作为一种遵循后进先出&#xff08;LIFO&#xff09;​原则的数据结构&#xff0c;是算法设计和程序开发的基础构件。C STL中的stack容器适配器以简洁的接口封装了底层容器的操作&#xff0c;为开发者提供了…...

3.2 Agent核心能力:感知、规划、决策与执行

智能代理&#xff08;Agent&#xff09;是一种能够在复杂环境中自主运作的计算实体&#xff0c;其智能行为依赖于四大核心能力&#xff1a;感知&#xff08;Perception&#xff09;、规划&#xff08;Planning&#xff09;、决策&#xff08;Decision-making&#xff09;和执行…...

(即插即用模块-特征处理部分) 四十一、(2024) MSAA 多尺度注意力聚合模块

文章目录 1、Multi-Scale Attention Aggregation Module2、代码实现 paper&#xff1a;CM-UNet: Hybrid CNN-Mamba UNet for Remote Sensing Image Semantic Segmentation Code&#xff1a;https://github.com/XiaoBuL/CM-UNet 1、Multi-Scale Attention Aggregation Module 传…...

【速写】hook与fx

文章目录 问题方法方法 1&#xff1a;使用 PyTorch 的 register_forward_hook方法 2&#xff1a;自定义前向传播&#xff08;修改 forward 方法&#xff09;方法 3&#xff1a;使用 output_attentions 或 output_hidden_states方法 4&#xff1a;使用 torch.fx 进行动态追踪总结…...

基于javaweb的SpringBoot扶农助农平台管理系统设计与实现(源码+文档+部署讲解)

技术范围&#xff1a;SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app、大数据、物联网、机器学习等设计与开发。 主要内容&#xff1a;免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码编写、论文编写和辅导、论文…...

用户模块-SpringEvent观察者模式

1. 背景与需求 在很多系统中&#xff0c;我们常常需要对用户的行为进行处理&#xff0c;比如发放奖励、处理通知等。在这个例子中&#xff0c;我们希望在两个场景下发放“改名卡”这个奖励&#xff1a; 用户注册时&#xff1a;当一个新用户注册成功时&#xff0c;我们希望立即发…...

三目云台转动性能稳定性

三目云台是一种具备三个摄像头或观测窗口的云台设备&#xff0c;其转动性能对于实现全方位、多角度的监控或观测至关重要。以下是对三目云台转动的详细分析&#xff1a; 一、转动原理 云台本身是一种摄像机稳定器&#xff0c;通过内置的电机和控制系统实现转动。三目云台则在…...

Python基础语法3

目录 1、函数 1.1、语法格式 1.2、函数返回值 1.3、变量作用域 1.4、执行过程 1.5、链式调用 1.6、嵌套调用 1.7、函数递归 1.8、参数默认值 1.9、关键字参数 2、列表 2.1、创建列表 2.2、下标访问 2.3、切片操作 2.4、遍历列表元素 2.5、新增元素 2.6、查找元…...

45、子类需要重写父类的构造函数嘛,子类自己的构造函数呢?

45、子类需要重写父类的构造函数嘛&#xff0c;子类自己的构造函数呢&#xff1f; 一、子类是否需要重写父类的构造函数&#xff1f; 1. 不需要重写的场景 基类有无参构造函数 若父类&#xff08;基类&#xff09;显式或隐式定义了无参构造函数&#xff0c;子类无需重写构造函…...

C语言 ——— 分支循环语句

目录 分支循环语句 单分支 多分支 switch 分支语句 牛刀小试 判断一个数是否是奇数 输出 1-100之间 的奇数 计算 n 的阶乘 计算 1! 2! 3! ... n! 在一个有序数组中查找具体的某一个数字 打印 100-200 之间的素数 求两个整数的最大公约数 getchar函数 和 putc…...

解耦旧系统的利器:Java 中的适配器模式(Adapter Pattern)实战解析

在现代软件开发中&#xff0c;我们经常需要与旧系统、第三方库或不一致接口打交道。这时候&#xff0c;如果能优雅地整合这些不兼容组件&#xff0c;又不破坏原有结构&#xff0c;就需要一位“翻译官” —— 适配器模式。本文将通过 Java 实例&#xff0c;详细讲解适配器模式的…...

C++学习之游戏服务器开发十五QT登录器实现

目录 1.界面搭建 2.登录客户端步骤分析 3.拼接登录请求实现 4.发送http请求 5.服务器登录请求处理 6.客户端处理服务器回复数据 7.注册页面启动 8.qt启动游戏程序 1.界面搭建 2.登录客户端步骤分析 3.拼接登录请求实现 CGI 程序处理流程 程序员自己写程序处理各种业务 …...

搭建Stable Diffusion图像生成系统实现通过网址访问(Ngrok+Flask实现项目系统公网测试,轻量易部署)

目录 前言 背景与需求 &#x1f3af; 需求分析 核心功能 网络优化 方案确认 1. 安装 Flask 和 Ngrok 2. 构建 Flask 应用 3. 使用 Ngrok 实现内网穿透 4. 测试图像生成接口 技术栈 实现流程 优化目标 实现细节 1. 迁移到Flask 2. 持久化提示词 3. 图像下载功能 …...

第五章:5.3 ESP32物联网应用:阿里云IoT平台与腾讯云IoT平台的数据上传与远程控制

一、阿里云IoT平台接入​​ 1. 准备工作 ​​注册阿里云账号​​ 访问阿里云官网&#xff0c;注册并完成实名认证。​​创建产品和设备​​ 进入​​物联网平台控制台​​ → ​​公共实例​​ → ​​创建产品​​&#xff08;例如产品名称“ESP32_Sensor”&#xff0c;节点…...

【AI News | 20250423】每日AI进展

AI Repos 1、suna Suna是一款完全开源的AI助手&#xff0c;旨在通过自然对话帮助用户轻松完成现实世界的任务。它作为您的数字伙伴&#xff0c;提供研究、数据分析和日常问题解决等功能&#xff0c;并结合强大的能力与直观的界面&#xff0c;理解您的需求并交付成果。Suna的工…...

3.1 Agent定义与分类:自主Agent、协作Agent与混合Agent的特点

随着人工智能技术的快速发展&#xff0c;智能代理&#xff08;Agent&#xff09;作为一种能够感知环境、自主决策并采取行动的计算实体&#xff0c;已成为人工智能领域的重要研究对象和应用工具。特别是在大模型&#xff08;Large Models&#xff09;的赋能下&#xff0c;Agent…...

stack和queue的学习

stack的介绍 stack的文档介绍 stack是一种容器适配器&#xff0c;专门用在具有后进先出操作的上下文环境中&#xff0c;其删除只能从容器的一端进行元素的插入与提取操作。stack是作为容器适配器被实现的&#xff0c;容器适配器即是对特定类封装作为其底层的容器&#xff0c;…...

leetcode-位运算

位运算 371. 两整数之和 题目 给你两个整数 a 和 b &#xff0c;不使用 运算符 和 - &#xff0c;计算并返回两整数之和。 示例 1&#xff1a; 输入&#xff1a; a 1, b 2 输出&#xff1a; 3 示例 2&#xff1a; 输入&#xff1a; a 2, b 3 输出&#xff1a; 5 提示&am…...

《浔川AI翻译v6.1.0问题已修复公告》

《浔川AI翻译v6.1.0问题已修复公告》 尊敬的浔川AI翻译用户&#xff1a; 感谢您对浔川AI翻译的支持与反馈&#xff01;我们已针对 **v6.1.0** 版本中用户反馈的多个问题进行了全面修复&#xff0c;并优化了系统稳定性。以下是本次修复的主要内容&#xff1a; 已修复问题 ✅…...

Unity 创建、读取、改写Excel表格数据

1.导入EPPlus.dll、Excel.dll、Mysql.Data.dll、System.Data.dll&#xff1b;&#xff08;我这里用的是&#xff1a;Unity2017.3.0&#xff09; 2.代码如下&#xff1a; using System.Data; using System.IO; using UnityEngine; using OfficeOpenXml; using UnityEditor; us…...

【阿里云大模型高级工程师ACP习题集】2.3 优化提示词改善答疑机器人回答质量

练习题: 【单选题】在使用大模型进行意图识别时,通过设计特定提示词引导模型生成符合预期回答的方法,其本质是( )。 A. 修改模型本身参数 B. 依靠构造输入激发模型内部已有知识 C. 对模型进行微调 D. 改变模型的训练数据 【多选题】以下哪些属于提示词框架中的要素( )。…...

富文本编辑器实现

&#x1f3a8; 富文本编辑器实现原理全解析 &#x1f4dd; 基本实现路径图 #mermaid-svg-MO1B8a6kAOmD8B6Y {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-MO1B8a6kAOmD8B6Y .error-icon{fill:#552222;}#mermaid-s…...

海量粒子特效解决方案:VEG

Unity 官方除了一个 GPU 粒子特效的解决方案&#xff1a;Visual Effect Graph&#xff0c;即 VEG&#xff0c;能支持百万级粒子特效的播放。在性能要求高的使用场景中&#xff0c;这个解决方案就能完美解决原本 Particle System 性能低下的问题。关于 VEG 的基本使用方法参考官…...

Java高频面试之并发编程-06

hello啊&#xff0c;各位观众姥爷们&#xff01;&#xff01;&#xff01;本baby今天来报道了&#xff01;哈哈哈哈哈嗝&#x1f436; 面试官&#xff1a;线程上下文切换是什么&#xff1f; 线程上下文切换&#xff08;Thread Context Switching&#xff09;是操作系统中 CPU…...

Windows 同步技术-一次性初始化

组件通常设计为在首次调用时执行初始化任务&#xff0c;而不是加载它们时。 一次性初始化函数可确保此初始化仅发生一次&#xff0c;即使多个线程可能尝试初始化也是如此。 Windows Server 2003 和 Windows XP&#xff1a; 应用程序必须使用 互锁函数 或其他同步机制提供自己的…...

Transformer起源-Attention Is All You Need

这篇笔记主要讲解Attention Is All You Need论文。《Attention Is All You Need》由 Ashish Vaswani 等人撰写&#xff0c;于 2017 年发表在 NIPS&#xff08;Neural Information Processing Systems&#xff09;会议上。它提出了一种全新的神经网络架构——Transformer&#x…...

被裁20240927 --- 视觉目标跟踪算法

永远都像初次见你那样使我心荡漾 参考文献目前主流的视觉目标跟踪算法一、传统跟踪算法1. 卡尔曼滤波&#xff08;Kalman Filter&#xff09;2. 相关滤波&#xff08;Correlation Filter&#xff0c;如KCF、MOSSE&#xff09;3. 均值漂移&#xff08;MeanShift/CamShift&#x…...

每日学习Java之一万个为什么(JUC)

文章目录 Git复习synchronized介绍基本概念特点 使用模板1. 同步方法格式特点 2. 同步代码块格式特点 常见面试题1. synchronized的实现原理&#xff1f;2. synchronized与ReentrantLock的区别&#xff1f;3. synchronized的缺点&#xff1f;4. 死锁的四个必要条件&#xff1f;…...

代码分享:python实现svg图片转换为png和gif

import cairosvg import imageio from PIL import Image import io import osdef svg_to_png(svg_path, png_path):try:cairosvg.svg2png(urlsvg_path, write_topng_path)print(f"成功将 {svg_path} 转换为 {png_path}")except Exception as e:print(f"转换为 P…...