文章482
标签257
分类63

使用C++解释器Cling

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:



本文作者:Jasonkay
本文链接:https://jasonkayzk.github.io/2021/11/09/使用C++解释器Cling/
版权声明:本文采用 CC BY-NC-SA 3.0 CN 协议进行许可