众所周知C++是一门编译型的语言，我们需要先将C++的源代码进行编译、连接生成二进制，然后才能执行；
而Cling是一个构建在Clang和LLVM之上的一个C++解释器，它允许我们像Python一样实现对C++代码的逐行执行！
同时，Cling也支持集成进JupyterLab中直接使用！
源代码：
使用C++解释器Cling
前言
官方的介绍如下：
Cling is an interactive C++ interpreter, built on top of Clang and LLVM compiler infrastructure. Cling realizes the read-eval-print loop (REPL) concept, in order to leverage rapid application development. Implemented as a small extension to LLVM and Clang, the interpreter reuses their strengths such as the praised concise and expressive compiler diagnostics.Cling是一个构建在Clang和LLVM编译器之上的交互式的C++解释器；Cling实现了 read-eval-print loop (REPL) 来满足更快速的应用程序开发；作为LLVM和Clang的一个扩展实现，解释器重用了它们的优点，如：良好和简洁的编译诊断提示；
下面，废话不多说，直接进入安装阶段；
安装并配置
安装Cling
因为Cling存在 Nightly-Build 的版本，我们可以直接下载编译好的二进制即可：
通过编译源码安装需要安装大量的编译工具，这里不推荐！
下载：
wget https://root.cern.ch/download/cling/cling_2020-11-05_ROOT-centos7.tar.bz2解压缩：
tar -xjvf cling_2020-11-05_ROOT-centos7.tar.bz2此时已经安装完成，并且官方已经提供了Clang和LLVM环境，二进制文件在bin目录下：
$ tree -L 2
.
├── bin
│ ├── c-index-test
│ ├── clang -> clang-5.0
│ ├── clang++ -> clang
│ ├── clang-5.0
│ ├── clang-check
│ ├── clang-cl -> clang
│ ├── clang-cpp -> clang
│ ├── clang-format
│ ├── clang-import-test
│ ├── clang-offload-bundler
│ ├── clang-rename
│ ├── cling
│ ├── git-clang-format
│ ├── llvm-tblgen
│ ├── scan-build
│ └── scan-view
├── include
│ ├── clang
│ ├── clang-c
│ ├── cling
│ ├── llvm
│ └── llvm-c
├── lib
│ ├── clang
│ ├── cmake
│ ├── libclangAnalysis.a
│ ├── ……
├── libexec
│ ├── c++-analyzer
│ └── ccc-analyzer
└── share
├── clang
├── cling
├── man
├── opt-viewer
├── scan-build
└── scan-view将Bin命令加入环境变量PATH中即可；
使用
安装完成后，可以使用命令cling进入交换模式：
$ cling
****************** CLING ******************
* Type C++ code and press enter to run it *
* Type .q to exit *
*******************************************
[cling]$ #include <stdio.h>
[cling]$ printf("Hello World!\n")
Hello World!
(int) 13
[cling]$ 也可以直接在命令行执行多条语句：
$ cling '#include <stdio.h>' 'printf("Hello World!\n")'
Hello World!
(int) 13或者执行整个C++脚本文件：
$ cat test.cpp
#include <stdio.h>
printf("Hello World!\n");
$ cat test.cpp | cling
****************** CLING ******************
* Type C++ code and press enter to run it *
* Type .q to exit *
*******************************************
Hello World!当然，如果只是在命令行执行，那使用起来就非常不爽了！
而Cling的一大优点是可以集成进Jupyter中！
关于安装JupyterLab见：
JupyterLab中集成Cling
关于在JupyterLab中集成Cling，官方也提供了说明：
首先，进入我们的Cling安装目录：
$ pwd
/opt/cling
$ ll
total 36
drwxr-xr-x 7 root root 4096 Nov 9 14:08 .
drwxr-xr-x 11 root root 4096 Nov 9 13:53 ..
drwxr-xr-x 4 14806 2735 12288 Nov 5 2020 lib
drwxr-xr-x 8 14806 2735 4096 Nov 5 2020 share
drwxr-xr-x 2 14806 2735 4096 Nov 5 2020 bin
drwxr-xr-x 7 14806 2735 4096 Nov 5 2020 include
drwxr-xr-x 2 14806 2735 4096 Nov 5 2020 libexec进入share/cling/Jupyter/kernel目录下：
$ cd share/cling/Jupyter/kernel/
$ ll
total 64
drwxr-xr-x 9 14806 2735 4096 Nov 8 20:13 .
drwxr-xr-x 2 root root 4096 Nov 8 20:13 __pycache__
drwxr-xr-x 2 root root 4096 Nov 8 20:13 clingkernel.egg-info
drwxr-xr-x 3 14806 2735 4096 Nov 5 2020 ..
drwxr-xr-x 2 14806 2735 4096 Nov 5 2020 cling-cpp11
drwxr-xr-x 2 14806 2735 4096 Nov 5 2020 cling-cpp14
drwxr-xr-x 2 14806 2735 4096 Nov 5 2020 cling-cpp17
drwxr-xr-x 2 14806 2735 4096 Nov 5 2020 cling-cpp1z
drwxr-xr-x 2 14806 2735 4096 Nov 5 2020 scripts
-rw-r--r-- 1 14806 2735 2335 Nov 5 2020 cling.ipynb
-rw-r--r-- 1 14806 2735 13022 Nov 5 2020 clingkernel.py
-rw-r--r-- 1 14806 2735 721 Nov 5 2020 .gitignore
-rw-r--r-- 1 14806 2735 2574 Nov 5 2020 setup.py使用pip安装依赖：
pip3 install -e .在Jupyter中安装对应执行的Kernel：
jupyter-kernelspec install [--user] cling-cpp17
jupyter-kernelspec install [--user] cling-cpp1z
jupyter-kernelspec install [--user] cling-cpp14
jupyter-kernelspec install [--user] cling-cpp11可以根据需要安装对应的Kernel，如果全部安装则会显示多个；
如果安装时JupyterLab已经打开，则需要重启JupyterLab才能生效！
重启后，进入JupyterLab的效果如下图：
会出现对应C++的选项；
我们可以在JupyterLab中创建一个文件，进行尝试；
如，下面是一个测试C++中 Constructor 和 Destructor 特性的代码：
可以看到，代码已经成功的被执行了！
Cling结合JupyterLab非常适合学习C++：我们只需要关注和编写突出某个C++特性的代码块即可执行，而无需编写整个C++文件，包括main函数！
除此之外Cling还提供了更多的特性，有空大家可以更多的去尝试！
附录
源代码：
相关阅读：