博客
关于我
使用C语言描述静态链表和动态链表
阅读量:68 次
发布时间:2019-02-26

本文共 1799 字,大约阅读时间需要 5 分钟。

静态链表和动态链表是线性表链式存储结构的两种不同的表示方式。静态链表的大小通常是固定的,这意味着所有结点都在程序中提前定义,并且不会因为插入或删除操作而改变大小。这种方法避免了内存动态分配带来的开销,只需通过指针进行链接操作即可完成任务。

与静态链表相比,动态链表的大小可以根据需要动态调整。这意味着动态链表可以灵活地增加或减少结点数量,而无需预先定义所有结点的位置。动态链表通常被认为是更通用的表示方法,尤其是在处理未知数据量或动态数据时。

静态链表的优点在于其空间效率较高,因为所有结点都在内存中预先分配,减少了内存分配和释放的开销。然而,这也限制了链表的大小,无法根据实际需求进行调整。而动态链表的劣势在于其空间利用率略低于静态链表,因为只有实际使用的结点会被分配内存。

在实际应用中,动态链表通常被用来处理数据量不确定或需要频繁插入删除操作的场景。例如,动态链表可以用来实现数据结构的扩展或收缩,适应不同数据量的需求。静态链表则更适合固定数据量或只需要简单操作的场景。

以下是两种链表的实现示例:

对于静态链表,所有结点都在程序中定义。以下是一个简单的C语言示例:

struct Student {    int num;    float score;    struct Student *next;};int main() {    struct Student stu1, stu2, stu3, *head, *p;    stu1.num = 1001;    stu1.score = 80;    stu2.num = 1002;    stu2.score = 85;    stu3.num = 1003;    stu3.score = 90;    head = &stu1;    stu1.next = &stu2;    stu2.next = &stu3;    stu3.next = NULL;    p = head;    do {        printf("%d,%f\n", p->num, p->score);        p = p->next;    } while (p != NULL);    system("pause");    return 0;}

对于动态链表,结点的分配和链接操作是在程序运行时完成的。以下是一个C语言的动态链表实现示例:

#include 
#include
struct Student { int No; struct Student *next;};int main() { struct Student *p1, *p2, *head; int n = 0; head = NULL; p1 = (struct Student *)malloc(sizeof(struct Student)); printf("请输入1个学号\n"); scanf("%d", &p1->No); p2 = p1; while (p1->No != 0) { n++; if (n == 1) { head = p1; } else { p2->next = p1; } p2 = p1; printf("请输入学号,输入0终止:\n"); p1 = (struct Student *)malloc(sizeof(struct Student)); scanf("%d", &p1->No); } p2->next = NULL; struct Student *p; p = head; while (p != NULL) { printf("%d,", p->No); p = p->next; } printf("\n"); system("pause"); return 0;}

总结来说,静态链表和动态链表各有优劣,选择哪一种取决于具体的应用场景和需求。

转载地址:http://chjz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>