2014年第五届蓝桥杯决赛C组题目 第四题 标题:拼接平方数

2014年第五届蓝桥杯C/C++ C组决赛真题题解 1. 标题:国王的遗产     X国是个小国。国王K有6个儿子。在临终前,K国王立下遗嘱:国王的一批牛作为遗产要分给他的6个儿子。     其中,大儿子分1/4,二儿子1/5,三儿子1/6,....     直到小儿子分1/9。     牛是活的,不能把一头牛切开分。     最后还剩下11头牛,分给管家。     请计算国王这批遗产中一共有多少头牛。     这是一个整数,请通过浏 阅读详情

第四题 标题:拼接平方数

 

标题:拼接平方数

 

    小明发现49很有趣,首先,它是个平方数。它可以拆分为4和9,拆分出来的部分也是平方数。169也有这个性质,我们权且称它们为:拼接平方数。

 

    100可拆分1 00,这有点勉强,我们规定,000 000 等都不算平方数。

 

    小明想:还有哪些数字是这样的呢?

 

    你的任务出现了:找到某个区间的所有拼接平方数。

 

【输入格式】

两个正整数  a b (a<b<10^6)

 

【输出格式】

若干行,每行一个正整数。表示所有的区间[a,b]中的拼接平方数

 

例如:

输入:

1200

 

程序应该输出:

49

169

 

再例如:

输入:

16910000

 

程序应该输出:

169

361

1225

1444

1681

3249

4225

4900

9025

 

资源约定:

峰值内存消耗 <256M

CPU消耗  < 1000ms

 

 

请严格按要求输出,不要画蛇添足地打印类似:“请您输入...” 的多余内容。

 

所有代码放在同一个源文件中,调试通过后,拷贝提交该源码。

 

注意: main函数需要返回0

注意: 只使用ANSI C/ANSI C++ 标准,不要调用依赖于编译环境或操作系统的特殊函数。

注意: 所有依赖的函数必须明确地在源文件中 #include <xxx>, 不能通过工程设置而省略常用头文件。

 

提交时,注意选择所期望的编译器类型。

 

 

代码:

#include<stdio.h>

#include<math.h>

 

boolcheck(int a)

{

         int temp=(int)sqrt(a);

         if(temp*temp==a)

         {

                   return true;

         }

         else

         {

                   return false;

         }

}

 

boolcheck2(int a)

{

         int val=a;

         int temp1=0,temp2=0,flag[8],i=0;

         do

         {

                   flag[i]=a%10;

                   a/=10;

                   i++;

         }while(a>0);

        

        

         for(int j=i-1;j>0;j--)

         {

                   temp1+=flag[j];

                   if(!check(temp1))

                   {

                            temp1*=10;

                            continue;

                   }

                   for(int k=j-1;k>=0;k--)

                   {

                            temp2+=flag[k];

                            if(k==0)

                            {

                                     continue;

                            }

                            temp2*=10;

                   }

                   if(temp2==0)

                   {

                            continue;

                   }

                   if(check(temp2))

                   {

                            return true;                      

                   }

                   temp2=0;

                   temp1*=10;             

         }

         return false;

}

 

intmain()

{

         int a,b;

         scanf("%d%d",&a,&b);

         for(int i=a;i<=b;i++)

         {

                   if(!check(i))

                   {

                            continue;

                   }

                   if(check2(i))

                   {

                            printf("%d\n",i);

                   }

         }

         return 0;

}

蓝桥杯 Java B组 省赛决赛模拟赛 详解及小结汇总+题目下载【2013年(第4届)~2021年(第12届)】 阅读详情

相关推荐

2014年 第5届 蓝桥杯 Java B组 省赛解析及总结

01 武功秘籍 书的构造方式,思维题 02 切面条 发现规律,思维题 03 猜字母 数组中元素的挪动和挤压 04 大衍数列 考察奇偶数判断 05 圆周率 细心,极限思维 06 奇怪的分式 枚举abcd,分数运算,最大公约数 07 扑克排序 带重复元素的全排列 08 分糖果 模拟 **09 地宫取宝 搜索->记忆型递归,因为子问题重复求解 ****10 矩阵翻硬币 数学;字符,字符串,BigInteger的互相转化

upward 3504

蓝桥杯历届-拼接平方数

蓝桥杯历届-拼接平方数 标题:拼接平方数 小明发现49很有趣,首先,它是个平方数。它可以拆分为4和9,拆分出来的部分也是平方数。169也有这个性质,我们权且称它们为:拼接平方数。 100可拆分1 00,这有点勉强,我们规定,0 00 000 等都不算平方数。 小明想:还有哪些数字是这样的呢? 你的任务出现了:找到某个区间的所有拼接平方数。【输入格式】 两个正整数 a b (

Kid_TH的博客 1734

2021年 第12届 蓝桥杯 Java B组 决赛真题详解及小结【2021.06.05】

2021年 第12届 蓝桥杯 Java B组 决赛真题详解及小结【2021.06.05】

upward 4774

洛谷 P8615 [蓝桥杯 2014 国 C] 拼接平方数

小明发现很有趣,首先,它是个平方数。它可以拆分为和,拆分出来的部分也是平方数。也有这个性质,我们权且称它们为:拼接平方数。可拆分,这有点勉强,我们规定,等都不算平方数。小明想:还有哪些数字是这样的呢?你的任务出现了:找到某个区间的所有拼接平方数。

caizihao004的博客 1132

2020年 第11届 蓝桥杯 Java B组 决赛真题详解及小结

一、试题 A: 美丽的 2(本题总分:5 分)——答案:563 二、试题 B: 扩散(本题总分:5 分)——答案:20312088 三、试题 C: 阶乘约数(本题总分:10 分)——答案:39001250856960000 四、试题 D: 本质上升序列(本题总分:10 分)——答案:5977 五、试题 E: 玩具蛇(本题总分:15 分)——答案:552 六、试题 F: 蓝肽子序列 七、试题 G: 皮亚诺曲线距离 八、试题 H: 画廊 九、试题 I: 补给 十、试题 J: 质数行者

upward 5824

2019年 第10届 蓝桥杯 Java B组 决赛真题详解及小结

一、试题 A: 递增序列(本题总分:5 分)——答案: 二、试题 B: 平方拆分(本题总分:5 分)——答案: 三、试题 C: 切割(本题总分:10 分)——答案: 四、试题 D: 最优旅行(本题总分:10 分)——答案: 五、试题 E: 序列求和(本题总分:15 分)——答案: 六、试题 F: 最长子序列(本题总分:15 分) 七、试题 G: 数正方形(本题总分:20 分) 八、试题 H: 大胖子走迷宫(本题总分:20 分) 九、试题 I: 估计人数(本题总分:25 分) 十、试题 J: 分考场

upward 2564

[蓝桥杯][2014年第五届真题]拼接平方数

文章目录题目参考代码解题思路 题目 题目链接 参考代码 #include<iostream> #include<algorithm> #include<string> #include<vector> #include<cstdio> #include<cmath> #include<bits/stdc++.h> using namespace std; typedef long long ll; const int n

SharpEdges 304

2017年 第08届 蓝桥杯 Java B组 决赛真题详解及小结

一、平方十位数(结果填空 满分17分)——答案: 二、生命游戏(结果填空 满分45分)——答案: 三、树形显示(代码填空 满分23分)——答案: 四、小计算器(程序设计 满分43分) 五、填字母游戏(程序设计 满分71分) 六、区间移位(程序设计 满分101分) 小结

upward 1350

1821-拼接平方数-题解(JAVA最详细版本,附图解和代码)

JAVA最详细版本,附图解和代码

sariman的博客 295

2015年 第06届 蓝桥杯 Java B组 决赛真题详解及小结

蓝桥杯 Java B组 省赛决赛 真题详解及小结汇总【2013年(第4届)~2020年(第11届)】 第11届 蓝桥杯-第1、2次模拟(软件类)真题-(2020年3月、4月)-官方讲解视频 说明:大部分题解思路及程序代码 源自蓝桥杯 官网视频(Java B组历年真题解析)——郑未老师。 2013年 第04届 蓝桥杯 Java B组 省赛真题详解及小结 2014年 第05届 蓝桥杯 Java B组 省赛真题详解及小结 2015年 第06届 蓝桥杯 Java B组 省赛真题详解及小结 2016年...

upward 1214

2014年第五届蓝桥杯C/C++ B组全国总决赛真题解析与实战训练

简介:“2014年第五届蓝桥杯大赛软件类C/C++ B组全国总决赛真题”是一套面向本科层次学生的高水平编程竞赛试题,全面考察C/C++语言基础、算法设计、数据结构应用及程序优化能力。本资料包含决赛真题文档及配套文件,涵盖经典算法题型与实际编程挑战,适用于备赛训练与技能提升。通过深入学习和实践,参赛者可强化问题分析、代码实现与复杂度控制等核心能力,为参与各类程序设计竞赛和未来软件开发职业发展奠定坚实基础。

weixin_42143092的博客 329

[蓝桥杯][2014年第五届真题]拼接平方数 JAVA

题目描述 小明发现49很有趣,首先,它是个平方数。它可以拆分为4和9,拆分出来的部分也是平方数。169也有这个性质,我们权且称它们为:拼接平方数。 100可拆分1 00,这有点勉强,我们规定,0 00 000 等都不算平方数。 小明想:还有哪些数字是这样的呢? 你的任务出现了:找到某个区间的所有拼接平方数。 输入 两个正整数 a b (a<b<10^6...

weixin_41988889的博客 606

SDRAM控制器——添加读写FIFO

用FIFO实现数据缓存

H19981118的博客 2626

蓝桥杯历年决赛(国赛)试题汇总及试题详解

蓝桥杯历年省赛真题汇总及题目详解 2013年第四届蓝桥杯决赛试题详解 第四届蓝桥杯JavaA组试题解析 第四届蓝桥杯JavaB组试题解析 第四届蓝桥杯JavaC组试题解析 2014年第五届蓝桥杯决赛试题详解 第五届蓝桥杯JavaA组试题解析 第五届蓝桥杯JavaB组试题解析 第五届蓝桥杯JavaC组试题解析 2015年第六届蓝桥杯决赛试题详解 第六届蓝桥杯JavaA组试题解析 ...

桀客 2万+

从零构建:如何用MATLAB打造你的第一个Stewart平台运动学仿真器

本文详细介绍了如何使用MATLAB从零构建一个六自由度Stewart平台运动学仿真器,涵盖基础理论、环境配置、运动学建模、动态轨迹规划和实时可视化实现。通过MATLAB的Robotics System Toolbox和Simulink等工具,读者可以掌握六自由度Stewart平台的逆运动学求解、正运动学求解及仿真系统集成,适用于飞行模拟器和精密定位等应用场景。

peach的博客 864

CODESYS连接触摸屏

触摸屏:威纶通-MT8071iP(网络IP:192.168.1.10) 控制器:研华AMAX-5580(PAC)(Win10系统,网络IP:192.168.1.3) CODESYS RTE:RTE 64 V3.5 SP13 Build05 笔记本:Thinkpad L14(网络IP:192.168.1.2) CODESYS IDE:V3.5 SP13(ADD ON V3.5.13.5) 一、确认网络通讯正常(关闭防火墙) 笔记本与触摸屏网络测试情况 笔记本与控制器网络测试情况 二、控制器部分 1、新建

Leo的博客 1万+

2014年第五届蓝桥杯C/C++程序设计本科B组决赛 生物芯片(编程大题)

生物芯片 X博士正在研究一种生物芯片,其逻辑密集度、容量都远远高于普通的半导体芯片。 博士在芯片中设计了 n 个微型光源,每个光源操作一次就会改变其状态,即:点亮转为关闭,或关闭转为点亮。 这些光源的编号从 1 到 n,开始的时候所有光源都是关闭的。 博士计划在芯片上执行如下动作: 所有编号为2的倍数的光源操作一次,也就是把 2 4 6 8 ... 等序号光源打开 所有编号为3的倍数的

A place to record sth. 2170

博途 V15.1安装步骤

温馨提醒:安装此软件电脑配置至少应满足以下要求 处理器 CoreTM i5-3320M 3.3 GHz 或相当 内存 至少8G 硬盘 300 GB SSD 显示器 15.6' 宽屏显示 (1920 x 1080) 1.双击打开【Siemens v15.1】文件夹。 2.鼠标右击【STEP 7 BasicProfess...

谢谢关注“小鱼教你模数电”,各平台同号 9万+

蓝桥杯历年省赛真题汇总及题目详解

蓝桥杯历年决赛试题汇总及试题详解 2013年第四届蓝桥杯省赛真题详解 第四届蓝桥杯JavaA组题目解析 第四届蓝桥杯JavaB组题目解析 第四届蓝桥杯JavaC组题目解析 2014年第五届蓝桥杯省赛真题详解 第五届蓝桥杯JavaA组题目解析 第五届蓝桥杯JavaB组题目解析 第五届蓝桥杯JavaC组题目解析 2015年第六届蓝桥杯省赛真题详解 第六届蓝桥杯JavaA组题目解析 ...

桀客 4万+

World Creator地形导入UE

导出预设选择高度图(heigh map)格式选择PNG 16位,或者RAW 16位,需要反转y轴(与虚幻不同),命名格式会自动带一个× , 将×改成_ 或者删掉自己命名 (虚幻名称不支持x符号)导入虚幻 , 修改Z轴 , 就是用 地形最高 - 地形最低 , 然后除以512 , 再乘以100。把这个数字填入Z轴缩放 , 点击生成即可。

UE星空 2154

工业级C#+YOLOv8缺陷检测系统:准确率98.5%、延迟<50ms的完整实现

本文分享了基于C#和YOLOv8的工业级表面缺陷检测系统实现方案。针对汽车零部件冲压件检测需求(60件/分钟,准确率>98%,延迟<100ms),作者对比了多种技术方案后选择了C#+YOLOv8+ONNX Runtime的组合,最终实现98.5%准确率和42ms延迟。 系统采用分层模块化架构,包含硬件层、采集层、推理层、业务层和控制层。核心优势包括:1)C#在工业环境下的稳定性和集成便利性;2)YOLOv8对复杂缺陷的泛化能力;3)ONNX Runtime GPU加速提升性能。文章详细介绍了硬件

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 1139

第五届蓝桥杯软件大赛C/C++本科B组决赛解题报告

第五届蓝桥杯软件大赛C/C++本科B组决赛解题报告 1,年龄巧合     小明和他的表弟一起去看电影,有人问他们的年龄。小明说:今年是我们的幸运年啊。我出生年份的四位数字加起来刚好是我的年龄。表弟的也是如此。已知今年是2014年,并且,小明说的年龄指的是周岁。     请推断并填写出小明的出生年份。     这是一个4位整数,请通过浏览器提交答案,不要填写任何多余的内容(比如,他表弟的出生

奋起的Coder。。。 4252

OpenStack [ compute_id ] 设计上的小缺陷

而 nova 代码中硬编码(或默认配置)将 compute_id 放在 site-packages 目录,属于 设计上的小缺陷—— 把 “库安装目录” 和 “运行时数据目录” 混在一起了,才导致需要临时调整这个目录的权限。# 配置项说明:node_identity_file 是 nova 用于指定节点标识文件路径的官方配置项,优先级高于代码中的默认路径。自定义 compute_id 路径,指向 /var/lib/nova/ 目录下的 compute_id 文件;

求知若渴,虚心若愚。 491

2014年第五届蓝桥杯Java程序设计本科B组决赛 供水设施(编程大题)

2014年第五届蓝桥杯Java程序设计本科B组决赛个人题解汇总: https://blog.youkuaiyun.com/daixinliangwyx/article/details/89948727 第六题 标题:供水设施 交题测试链接:https://www.dotcpp.com/oj/problem1817.html X星球的居民点很多。Pear决定修建一个浩大的水利工程,以解决...

daixinliangwyx的博客 509

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

历届蓝桥杯C/C++决赛试题

2012年第三届蓝桥杯C/C++程序设计本科B组决赛 2013年第四届蓝桥杯C/C++程序设计本科B组决赛 2014年第五届蓝桥杯C/C++程序设计本科B组决赛 2015年第六届蓝桥杯C/C++程序设计本科B组决赛

A place to record sth. 8698

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

上一篇: 2014年第五届蓝桥杯决赛C组题目 第三题 标题:日期差
下一篇: 2013年第五届蓝桥杯决赛C组题目 第一题 标题:好好学习
Two_Water
博客等级 码龄12年 573粉丝 134原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值