VS Code中主程序C文件引用了另一个.h头文件,编译时报错找不到函数

2024-02-08 08:12

本文主要是介绍VS Code中主程序C文件引用了另一个.h头文件,编译时报错找不到函数,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

  • 一、问题描述
  • 二、问题原因
  • 三、解决方法
  • 四、扩展
  • 五、通过CMake进行配置

一、问题描述

VS Code中主程序C文件引用了另一个.h头文件,编译时报错找不到函数

主程序 main.c

#include <stdio.h>
#include "sumaa.h"int main(int, char**){printf("Hello, from aaa!\n");printf("Hello, %d", sumAA(11, 22));
}

工具文件 sumaa.h

int sumAA(int a, int b);

实现文件 sumaa.c

#include <stdio.h>
#include "sumaa.h"int sumAA(int a, int b)
{return a+b;
}

运行,编译报错:

Starting build...
"C:\msys64\mingw64\bin\gcc.exe" -fdiagnostics-color=always -g "D:\uida0269\Desktop\aaa\main.c" -o "D:\uida0269\Desktop\aaa\main.exe"
C:/msys64/mingw64/bin/../lib/gcc/x86_64-w64-mingw32/12.2.0/../../../../x86_64-w64-mingw32/bin/ld.exe: C:\Users\uida0269\AppData\Local\Temp\ccOyf8me.o: in function `main':
D:/uida0269/Desktop/aaa/main.c:6: undefined reference to `sumAA'
collect2.exe: error: ld returned 1 exit statusBuild finished with error(s).

二、问题原因

编译报错时执行的命令,简化如下

gcc.exe"  -g main.c

所引用的 sumaa.c 并没有被包含在编译选项中

三、解决方法

在这里插入图片描述
修改 .vscode目录下的 task.json
args中的 ${file} 表示当前打开的文件,就是 main.c,我们在后面再加一个 "sumaa.c",这样的:

"args": ["-fdiagnostics-color=always","-g","${file}", "sumaa.c","-o","${fileDirname}\\${fileBasenameNoExtension}.exe"
],

编译通过。

Hello, from aaa!
Hello, 33

四、扩展

如果引用了多个文件呢,不能一个个往里加吧
改为:*.c

"args": ["-fdiagnostics-color=always","-g","*.c","-o","${fileDirname}\\${fileBasenameNoExtension}.exe"
],

验证过,也是OK的

五、通过CMake进行配置

具体的操作步骤,暂时不贴了,直接给出配置代码

CMakeLists.txt:

cmake_minimum_required(VERSION 3.0.0)
project(aaa VERSION 0.1.0 LANGUAGES C)
file(GLOB SOURCES "*.c")add_executable(aaa ${SOURCES})set(CPACK_PROJECT_NAME ${PROJECT_NAME})
set(CPACK_PROJECT_VERSION ${PROJECT_VERSION})
include(CPack)

这样配置后,用 CMake 运行也是OK的。

这篇关于VS Code中主程序C文件引用了另一个.h头文件,编译时报错找不到函数的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/690428

相关文章

hdu1171(母函数或多重背包)

题意:把物品分成两份,使得价值最接近 可以用背包,或者是母函数来解,母函数(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v) 其中指数为价值,每一项的数目为(该物品数+1)个 代码如下: #include<iostream>#include<algorithm>

Android平台播放RTSP流的几种方案探究(VLC VS ExoPlayer VS SmartPlayer)

技术背景 好多开发者需要遴选Android平台RTSP直播播放器的时候,不知道如何选的好,本文针对常用的方案,做个大概的说明: 1. 使用VLC for Android VLC Media Player(VLC多媒体播放器),最初命名为VideoLAN客户端,是VideoLAN品牌产品,是VideoLAN计划的多媒体播放器。它支持众多音频与视频解码器及文件格式,并支持DVD影音光盘,VCD影

maven 编译构建可以执行的jar包

💝💝💝欢迎莅临我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 推荐:「stormsha的主页」👈,「stormsha的知识库」👈持续学习,不断总结,共同进步,为了踏实,做好当下事儿~ 专栏导航 Python系列: Python面试题合集,剑指大厂Git系列: Git操作技巧GO

C++操作符重载实例(独立函数)

C++操作符重载实例,我们把坐标值CVector的加法进行重载,计算c3=c1+c2时,也就是计算x3=x1+x2,y3=y1+y2,今天我们以独立函数的方式重载操作符+(加号),以下是C++代码: c1802.cpp源代码: D:\YcjWork\CppTour>vim c1802.cpp #include <iostream>using namespace std;/*** 以独立函数

函数式编程思想

我们经常会用到各种各样的编程思想,例如面向过程、面向对象。不过笔者在该博客简单介绍一下函数式编程思想. 如果对函数式编程思想进行概括,就是f(x) = na(x) , y=uf(x)…至于其他的编程思想,可能是y=a(x)+b(x)+c(x)…,也有可能是y=f(x)=f(x)/a + f(x)/b+f(x)/c… 面向过程的指令式编程 面向过程,简单理解就是y=a(x)+b(x)+c(x)

利用matlab bar函数绘制较为复杂的柱状图,并在图中进行适当标注

示例代码和结果如下:小疑问:如何自动选择合适的坐标位置对柱状图的数值大小进行标注?😂 clear; close all;x = 1:3;aa=[28.6321521955954 26.2453660695847 21.69102348512086.93747104431360 6.25442246899816 3.342835958564245.51365061796319 4.87

OpenCV结构分析与形状描述符(11)椭圆拟合函数fitEllipse()的使用

操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C++11 算法描述 围绕一组2D点拟合一个椭圆。 该函数计算出一个椭圆,该椭圆在最小二乘意义上最好地拟合一组2D点。它返回一个内切椭圆的旋转矩形。使用了由[90]描述的第一个算法。开发者应该注意,由于数据点靠近包含的 Mat 元素的边界,返回的椭圆/旋转矩形数据

Unity3D 运动之Move函数和translate

CharacterController.Move 移动 function Move (motion : Vector3) : CollisionFlags Description描述 A more complex move function taking absolute movement deltas. 一个更加复杂的运动函数,每次都绝对运动。 Attempts to

Windows环境利用VS2022编译 libvpx 源码教程

libvpx libvpx 是一个开源的视频编码库,由 WebM 项目开发和维护,专门用于 VP8 和 VP9 视频编码格式的编解码处理。它支持高质量的视频压缩,广泛应用于视频会议、在线教育、视频直播服务等多种场景中。libvpx 的特点包括跨平台兼容性、硬件加速支持以及灵活的接口设计,使其可以轻松集成到各种应用程序中。 libvpx 的安装和配置过程相对简单,用户可以从官方网站下载源代码

✨机器学习笔记(二)—— 线性回归、代价函数、梯度下降

1️⃣线性回归(linear regression) f w , b ( x ) = w x + b f_{w,b}(x) = wx + b fw,b​(x)=wx+b 🎈A linear regression model predicting house prices: 如图是机器学习通过监督学习运用线性回归模型来预测房价的例子,当房屋大小为1250 f e e t 2 feet^