你真的懂 i++ 和 ++i 吗?

简介: 你真的懂 i++ 和 ++i 吗?

对于 ++i 和 i++,许多人可能都知道,不就是先加1再取值,和先取值再加1嘛。然而,真的是这样吗?请先看以下4道题,能全部答对可以忽略这篇文章。

题目

// 示例1
int i = 1;
i = i++; 
System.out.println("i = " + i); 

// 示例2
int i = 1; 
int j = (2 * i++) + i;
System.out.println("j = " + j);

// 示例3
int i = 1; 
int j = i + (2 * i++);
System.out.println("j = " + j);

// 示例4
int i = 1;
int j = 1;
int k = i++ + ++i + ++j + j++; 
System.out.println("k = " + k);

先别着急看答案,先自己思考下,解出自己的答案,然后再往下翻查看答案是否与你的一致。

在这里插入图片描述

答案

示例1:i = 1
示例2:j = 4
示例3:j = 3
示例4:k = 8


你是否发现有些答案和你想的不一样,如果我告诉你 ++i 和 i++ 其实都是先计算加1,你是不是更懵逼了!在详解答案之前,先了解两个知识点。

1 i++ 和 ++i 原理

  • i++:先自增,再返回自增之前的值
  • ++i:先自增,再返回自增之后的值
  • 不论是前++还是后++,它们的共同点就是先自增

2 表达式原则

一个变量也是表达式,多个表达式的加减法运算都是从左到右进行的,当然乘除法的优先级还是大于加减法的。


答案详解

// 示例1 结果:i = 1
int i = 1;
i = i++; 
System.out.println("i = " + i); 

根据原理,先自增,再返回自增之前的值,i 自增后,i = 2,然后返回自增之前的值1,此时表达式变成 i = 1,1没赋值给 i 时 i 的值是2,但最后把1赋值给 i 时,i 的值就又变成1了。

// 示例2 结果:j = 4
int i = 1; 
int j = (2 * i++) + i;
System.out.println("j = " + j);

根据表达式原则,一个变量也是表达式,多个表达式的加减法运算都是从左到右进行的

  1. 优先运算左边的表达式,即(2 * i++),i++后,i 的值为2,并返回自增之前的值1
  2. 此时表达式为 int j = (2 * 1) + i ,i 的值已经是2了
  3. 最后表达式变为 int j = (2 * 1) + 2 ,于是 j = 4。


// 示例3 结果:j = 3
int i = 1; 
int j = i + (2 * i++);
System.out.println("j = " + j);

按数学思维,我们可能会先计算 2 i++ 部分,i 先自增 i = 2,然后返回自增之前的值1,此时表达式变为 int j = i + (2 1) 。此时 i 的值为2了,故表达式又变为 int j = 2 + (2 * 1) ,结果 j = 4,然而这答案是错误的。正确逻辑如下:

根据表达式原则,一个变量也是表达式,多个表达式的加减法运算都是从左到右进行的

  1. int j = i + (2 * i++) 先算 + 号左边 i 这个表达式,表达式的结果为1
  2. 表达式变为 j = 1 + (2 * i++)
  3. 再计算 + 号右边的表达式,然后 i 自增并返回自增之前的值1,表达式又变为 j = 1 + (2 * 1)
  4. 最终结果为 j = 3,此时 i 的值为2


// 示例4 结果:k = 8
int i = 1;
int j = 1;
int k = i++ + ++i + ++j + j++; 
System.out.println("k = " + k);
  1. 先计算 i++,i++ 之后 i 的值为2,并返回自增之前的值1,表达式变为 1 + ++i + ++j + j++。此时的 i 值为2
  2. 再计算 ++i,++i 之后 i 的值为3,并返回自增之后的值3,表达式变为 1 + 3 + ++j + j++。此时 i 的值为3
  3. 再计算 ++j,++j 之后 j 的值为2,并返回自增之后的值2,表达式变为 1 + 3 + 2 + j++。此时 j 的值为2
  4. 再计算 j++,j++之后 j 的值为3,并返回自增之前的值2,表达式变为 1 + 3 + 2 +2,即结果为8,此时j的值为3
相关文章
|
26天前
|
供应链 监控 安全
对话|企业如何构建更完善的容器供应链安全防护体系
阿里云与企业共筑容器供应链安全
171357 14
|
28天前
|
供应链 监控 安全
对话|企业如何构建更完善的容器供应链安全防护体系
随着云计算和DevOps的兴起,容器技术和自动化在软件开发中扮演着愈发重要的角色,但也带来了新的安全挑战。阿里云针对这些挑战,组织了一场关于云上安全的深度访谈,邀请了内部专家穆寰、匡大虎和黄竹刚,深入探讨了容器安全与软件供应链安全的关系,分析了当前的安全隐患及应对策略,并介绍了阿里云提供的安全解决方案,包括容器镜像服务ACR、容器服务ACK、网格服务ASM等,旨在帮助企业构建涵盖整个软件开发生命周期的安全防护体系。通过加强基础设施安全性、技术创新以及倡导协同安全理念,阿里云致力于与客户共同建设更加安全可靠的软件供应链环境。
150301 32
|
2月前
|
弹性计算 人工智能 安全
对话 | ECS如何构筑企业上云的第一道安全防线
随着中小企业加速上云,数据泄露、网络攻击等安全威胁日益严重。阿里云推出深度访谈栏目,汇聚产品技术专家,探讨云上安全问题及应对策略。首期节目聚焦ECS安全性,提出三道防线:数据安全、网络安全和身份认证与权限管理,确保用户在云端的数据主权和业务稳定。此外,阿里云还推出了“ECS 99套餐”,以高性价比提供全面的安全保障,帮助中小企业安全上云。
201980 15
对话 | ECS如何构筑企业上云的第一道安全防线
|
3天前
|
Linux iOS开发 MacOS
deepseek部署的详细步骤和方法,基于Ollama获取顶级推理能力!
DeepSeek基于Ollama部署教程,助你免费获取顶级推理能力。首先访问ollama.com下载并安装适用于macOS、Linux或Windows的Ollama版本。运行Ollama后,在官网搜索“deepseek”,选择适合你电脑配置的模型大小(如1.5b、7b等)。通过终端命令(如ollama run deepseek-r1:1.5b)启动模型,等待下载完成即可开始使用。退出模型时输入/bye。详细步骤如下图所示,轻松打造你的最强大脑。
1333 71
|
10天前
|
机器学习/深度学习 自然语言处理
Deepseek开源R1系列模型,纯RL助力推理能力大跃升!
近期Deepseek正式发布 DeepSeek-R1,并同步开源模型权重。DeepSeek-R1 遵循 MIT License,允许用户通过蒸馏技术借助 R1 训练其他模型。
|
5天前
|
人工智能 JavaScript 前端开发
白嫖 DeepSeek ,低代码竟然会一键作诗?
宜搭低代码平台接入 DeepSeek AI 大模型能力竟然这么方便!本教程将揭秘宜搭如何快速接入 DeepSeek API,3 步打造专属作诗机器人,也许你还能开发出更多有意思的智能玩法,让创意在代码间自由生长。
648 11
|
3天前
|
Linux iOS开发 MacOS
DeepSeek爆火,如何免费部署到你的电脑上?获取顶级推理能力教程来了
如何在本地电脑上免费部署DeepSeek,获取顶级推理能力?只需三步:1. 访问Ollama官网下载并安装对应操作系统的版本(支持macOS、Linux和Windows)。2. 打开Ollama并确保其正常运行。3. 在Ollama官网搜索并选择DeepSeek模型(如deepseek-r1),根据电脑配置选择合适的模型大小(1.5B至671B)。通过终端命令(如ollama run deepseek-r1:1.5b)运行模型,即可开始使用DeepSeek进行推理。退出模型时,在终端输入/bye。更多详情请参考Ollama官方文档。
|
2天前
|
网络协议 应用服务中间件 网络安全
Nginx,正向代理
本文介绍了Nginx作为HTTPS正向代理的两种方案:HTTP CONNECT隧道(7层)和NGINX stream(4层)。HTTP CONNECT隧道需要客户端手动配置代理,通过CONNECT请求建立隧道;而NGINX stream则更适合透明代理,利用SNI字段实现流量转发。文章详细讲解了两者的原理、环境搭建、使用场景及常见问题,并提供了配置示例和最佳实践建议。内容转载自阿里云开发者社区@怀知的文章,推荐读者参阅原文获取更多信息。感谢您的阅读!
172 73
Nginx,正向代理
|
14天前
|
机器学习/深度学习 自然语言处理 PyTorch
深入剖析Transformer架构中的多头注意力机制
多头注意力机制(Multi-Head Attention)是Transformer模型中的核心组件,通过并行运行多个独立的注意力机制,捕捉输入序列中不同子空间的语义关联。每个“头”独立处理Query、Key和Value矩阵,经过缩放点积注意力运算后,所有头的输出被拼接并通过线性层融合,最终生成更全面的表示。多头注意力不仅增强了模型对复杂依赖关系的理解,还在自然语言处理任务如机器翻译和阅读理解中表现出色。通过多头自注意力机制,模型在同一序列内部进行多角度的注意力计算,进一步提升了表达能力和泛化性能。
|
2天前
|
资源调度 JavaScript 前端开发
Van-Nav:新年,将自己学习的项目地址统一整理搭建自己的私人导航站,供自己后续查阅使用,做技术的同学应该都有一个自己网站的梦想
嗨,大家好,我是小华同学。今天为大家介绍一个基于Vue.js开发的导航组件库——Van-Nav。它支持响应式设计、多级菜单、丰富的配置选项和多种动画效果,适用于企业官网、电商平台、内容管理系统和个人博客等多种场景。轻松集成到Vue项目中,提供清晰有序的导航体验。关注我们获取更多优质开源项目和高效工作学习方法。
145 71