VS2010下编译配置Boost_1.53

一、准备工作

1、下载最新版本的boost库.所在地址：boost_1_53_0.zip.官方推荐7z压缩格式的，因为其压缩效率更好，相应包的大小也比较小。

2、解压缩到指定目录，如C:\boost_1_53.下面开始遵照官方页面的步骤进行编译。（）

1. 进入目录tools\build\v2\
2. 运行bootstrap.bat脚本文件
3. 运行命令：b2 install --prefix=PREFIX。其中PREFIX是为Boost.Build指定的安装目录，生成的编译工具将会存放在该目录下。我指定为c:\boost_1_53
4. 把PREFIX/bin路径加入到系统的环境变量。这时要重启一下命令提示符，以便于应用新的环境变量。

3、下面要选择一个编译平台。所谓的编译平台，指的具体的编译环境，官方给出了一个列表。

这里，我们的编译环境使用的是VS2010，也就是VC10，所以我们将toolset指定为msvc.在VS2010的工具选项中打开visual studio命令提示(2010) 。这个命令提示框中已经配置了VS2010的编译环境变量，不用再手动配置什么环境变量。

4、接下来还有一个准备工作要做，为编译期间产生的中间文件指定一个目录，我指定为c:\boost_1_53\build_manual。

二、源码编译

5、开始编译。退回到boost源码的根目录，运行命令：

   b2 --build-dir=build-directory toolset=toolset-name --build-type=complete stage

• 上述命令中下划线的选项必须是小写的。因为b2是大小写敏感的。（b2是boost build工具的缩写）
• build-directory是第4步中指定的中间文件目录，toolset是上述表格中的随意一个，complete指示编译工具编译所有库文件版本（如static, runtime, dll, single thread, multi-thread）。
• stage的含义：该选项指示编译工具将编译完成的所有lib文件都存放在stage\lib\下面。如果要更改，使用b2的选项：--stagedir=directory。

我的编译命令为： b2 --build-dir=c:\boost_1_53\build_manual toolset=msvc --build-type=complete stage

6、全部编译时间耗费了半个小时（机器性能较好的缘故）。一般要耗费将近一小时。编译过程会产生很多警告，这些都不要紧。只要不产生errors而终止编译过程，那么都是没有关系的。

编译产生的文件会有四五个GB大小。所以，最好保证源代码所在文件有足够的磁盘空间。

7、编译完成后，只有stage\lib\下面这些个文件lib文件，才是我们最终需要的。其他编译产生的文件都无关痛痒。

8、配置VS2010开发boost程序的环境。

• 在VS2010中，工具>>选项>>项目和解决方案>>VC++目录这个功能已经被取消了，没办法看到全局的VC++目录设置。所以，我们只好在项目的属性中设置。这样稍显麻烦。每一个boost工程都要重新配置一次，无法达到一劳永逸的效果。
• 打开项目属性页面，点击"C/C++"和"链接器"这两个结点，具体配置如下所示：

9、注意自己配置的地方：附加包含目录，附加库目录。要注意的是，附加包含目录中，一定不要写成这种形式：E:\codes\src\boost_1_53_0\boost！！这样，在包含头文件的时候，编译器会报错找不到头文件。因为写成这样，会把\boost这个路径给去掉了。而头文件内部依赖的很多其他头文件又是相对于\boost这个路径的。编译无疑无法通过。

三、测试结果

10、编译boost库自带的一个源程序：

#include <iostream>
#include <fstream>
#include <ctime>            // std::time

#include <boost/random/linear_congruential.hpp>
#include <boost/random/uniform_int.hpp>
#include <boost/random/uniform_real.hpp>
#include <boost/random/variate_generator.hpp>
#include <boost/generator_iterator.hpp>

// This is a typedef for a random number generator.
// Try boost::mt19937 or boost::ecuyer1988 instead of boost::minstd_rand
typedef boost::minstd_rand base_generator_type;

// This is a reproducible simulation experiment.  See main().
void experiment(base_generator_type & generator)
{
  // Define a uniform random number distribution of integer values between
  // 1 and 6 inclusive.
  typedef boost::uniform_int<> distribution_type;
  typedef boost::variate_generator<base_generator_type&, distribution_type> gen_type;
  gen_type die_gen(generator, distribution_type(1, 6));

  // If you want to use an STL iterator interface, use iterator_adaptors.hpp.
  boost::generator_iterator<gen_type> die(&die_gen);
  for(int i = 0; i < 10; i++)
    std::cout << *die++ << " ";
  std::cout << '\n';
}

int main()
{
  // Define a random number generator and initialize it with a reproducible
  // seed.
  base_generator_type generator(42);

  std::cout << "10 samples of a uniform distribution in [0..1):\n";

  // Define a uniform random number distribution which produces "double"
  // values between 0 and 1 (0 inclusive, 1 exclusive).
  boost::uniform_real<> uni_dist(0,1);
  boost::variate_generator<base_generator_type&, boost::uniform_real<> > uni(generator, uni_dist);

  std::cout.setf(std::ios::fixed);
  // You can now retrieve random numbers from that distribution by means
  // of a STL Generator interface, i.e. calling the generator as a zero-
  // argument function.
  for(int i = 0; i < 10; i++)
    std::cout << uni() << '\n';

  /*
   * Change seed to something else.
   *
   * Caveat: std::time(0) is not a very good truly-random seed.  When
   * called in rapid succession, it could return the same values, and
   * thus the same random number sequences could ensue.  If not the same
   * values are returned, the values differ only slightly in the
   * lowest bits.  A linear congruential generator with a small factor
   * wrapped in a uniform_smallint (see experiment) will produce the same
   * values for the first few iterations.   This is because uniform_smallint
   * takes only the highest bits of the generator, and the generator itself
   * needs a few iterations to spread the initial entropy from the lowest bits
   * to the whole state.
   */
  generator.seed(static_cast<unsigned int>(std::time(0)));

  std::cout << "\nexperiment: roll a die 10 times:\n";

  // You can save a generator's state by copy construction.
  base_generator_type saved_generator = generator;

  // When calling other functions which take a generator or distribution
  // as a parameter, make sure to always call by reference (or pointer).
  // Calling by value invokes the copy constructor, which means that the
  // sequence of random numbers at the caller is disconnected from the
  // sequence at the callee.
  experiment(generator);

  std::cout << "redo the experiment to verify it:\n";
  experiment(saved_generator);

  // After that, both generators are equivalent
  assert(generator == saved_generator);

  // as a degenerate case, you can set min = max for uniform_int
  boost::uniform_int<> degen_dist(4,4);
  boost::variate_generator<base_generator_type&, boost::uniform_int<> > deg(generator, degen_dist);
  std::cout << deg() << " " << deg() << " " << deg() << std::endl;
  
  {
    // You can save the generator state for future use.  You can read the
    // state back in at any later time using operator>>.
    std::ofstream file("rng.saved", std::ofstream::trunc);
    file << generator;
  }

  getchar();
  return 0;
}

这是一个生成随机数的程序，其运行结果如下：