JAVA-作业2-4:编写程序,从控制台接收用户输入的十六进制,并输出对应的二进数

Java黑皮书课后题第4章:*4.12(十六进制转二进制)编写一个程序,提示用户输入一个十六进制数,显示其对应的二进制。对于不正确的输入数字,提示非法输入 *4.12(十六进制转二进制)编写一个程序,提示用户输入一个十六进制数,显示其对应的二进制。对于不正确的输入数字,提示非法输入题目题目概述运行示例破题代码 题目 题目概述 *4.12(十六进制转二进制)编写一个程序,提示用户输入一个十六进制数,显示其对应的二进制。对于不正确的输入数字,提示非法输入 运行示例 Enter a hex digit: B The binary value is 1011 Enter a hex digit: G G is an invalid input 破题 注意接收c 阅读详情

题目:

编写程序,从控制台接收用户输入的十六进制,并输出对应的二进数,要求程序中用一个字符串数组表示16进制的“0”至“F”。如下所示:

String[] hexBits = {"0000", "0001", "0010", "0011",

                    "0100", "0101", "0110", "0111",

                    "1000", "1001", "1010", "1011",

                    "1100", "1101", "1110", "1111"};

产生输出如下所示:

Enter a Hexadecimal string: 1abc

The equivalent binary for hexadecimal "1abc" is 0001 1010 1011 1100

代码如下:

import java.util.Scanner;

public class HW04 {
    public static void main(String[] args) {
        String[] hexBits = { "0000", "0001", "0010", "0011",
                "0100", "0101", "0110", "0111",
                "1000", "1001", "1010", "1011",
                "1100", "1101", "1110", "1111" };

        System.out.print("Enter a Hexadecimal string:");
        Scanner sc = new Scanner(System.in);
        String str16 = sc.nextLine();
        sc.close();
        String[] str2 = new String[str16.length()];

        for (int i = 0; i < str16.length(); i++) {
            char x = str16.charAt(i);
            if (x >= '0' && x <= '9') {
                String temp = String.valueOf(x);
                int y = Integer.parseInt(temp);
                str2[i] = hexBits[y];
            } else {
                int z = x - 87;
                str2[i] = hexBits[z];
            }
        }

        System.out.print("The equivalent binary for hexadecimal \"" + str16 + "\" is ");
        for (int j = 0; j < str2.length; j++) {
            System.out.print(str2[j] + " ");
        }

    }
}

运行结果:

Java黑皮书课后题第4章:*4.11(十进制转十六进制)编写程序,提示用户输入0~15之间的一个整数,显示其对应的十六进制数。对于不正确的输入数字,提示非法输入 *4.11(十进制转十六进制)编写程序,提示用户输入0~15之间的一个整数,显示其对应的十六进制数。对于不正确的输入数字,提示非法输入题目题目概述运行示例破题代码 题目 题目概述 *4.11(十进制转十六进制)编写程序,提示用户输入0~15之间的一个整数,显示其对应的十六进制数。对于不正确的输入数字,提示非法输入 运行示例 Enter a decimal value (0 to 15): 11 The hex value is B Enter a decimal value (0 to 15): 5 阅读详情

相关推荐

给定n个十六进制正整数,输出它们对应的八进制数。

问题描述 给定n个十六进制正整数,输出它们对应的八进制数。 输入格式   输入的第一行为一个正整数n (1<=n<=10)。   接下来n行,每行一个由09、大写字母AF组成的字符串,表示要转换的十六进制正整数,每个十六进制数长度不超过100000。 输出格式   输出n行,每行为输入对应的八进制正整数。 【注意】   输入的十六进制数不会有前导0,比如012A。   输出的八进制数也不能有前导0。 样例输入   2   39   123ABC 样例输出   71   4435274 【提示】

C_Scorpio的博客 2333

Java编程练习题Demo51-Demo60

Java编程练习题:Demo51-Demo60,超级详细,题超丰富,小白刷题进!

weixin_51612062的博客 1032

编程从键盘输入一个一位十六进制数,定义一个子程序将其以二进制形式输出到屏幕

必要参考程序,能让人容易解决 很多问题的

写一个程序,接受一个十六进制的数值字符串,输出该数值的十进制字符串java

写一个程序,接受一个十六进制的数值字符串,输出该数值的十进制字符串java

qq_68195987的博客 743

从病毒分析到安全研究:手把手教你用OD破解加壳程序的反调试机制

本文深入探讨了如何识别并绕过加壳程序的反调试机制,特别是针对使用IsDebuggerPresent等API检测的防护手段。通过实战案例和工具链配置,详细介绍了逆向工程中的关键技巧,包括内存补丁、硬件断点定位OEP等,帮助安全研究人员有效突破软件保护技术。

tgb345678的博客 825

【Milvus】实战指南:利用milvus-backup实现高效数据备份与恢复

本文详细介绍了如何利用官方工具milvus-backup为Milvus向量数据库实施高效的数据备份与恢复。文章从备份的必要性出发,逐步讲解了环境准备、配置要点、全量与按需备份操作,以及恢复数据的关键步骤和验证方法,旨在帮助用户构建可靠的数据安全防线,应对误操作或系统故障风险。

weixin_29217235的博客 133

java如何接收一个16进制的数

我整理的一些关于【Java】的项目学习资料(附讲解~~)和大家一起分享、学习一下:https://d.51cto.com/bLN8S1Java如何接收一个16进制的数 在Java编程中,我们经常需要处理各种类型的数据,其中包括十六进制数。十六进制是一种基数为16的数字表示法,使用0-9和A-F(或a-f)表示数值。在处理...

weixin_41346968的博客 323

抖音直播“卡黑屏”技术解析:从实现原理到平台风控与合规运营

在直播技术领域,视频流推送与实时互动是核心基础。其原理在于通过编码软件(如OBS)将音视频数据封装后,经由网络协议推送到服务器,再分发给观众。这项技术的价值在于支撑了实时、高并发的在线互动场景,是直播、在线会议等应用的基石。然而,在追求流量和互动的实践中,衍生出一些非常规操作,例如通过技术手段中断或控制视频流推送,仅保留音频和互动功能,以达到特定运营目的。这便涉及到了**卡黑屏**这一具体现象。它本质上是对直播流的人为干预,常与**流量博弈**和**风险规避**等动机相关联。从工程实践角度看,实现方式多样,

weixin_29895109的博客 1343

JAVA十六进制数据接收与传输

一、十六进制转换工具类 主要包含十六进制字符串转ASCII,ASCII转十六进制字符串以及十六进制字符串转Byte数组等方法: 1 /** 2 * Created by wly on 2018/4/17. 3 */ 4 public class HexConvert { 5 6 public static String convertStringT...

qq_38983002的博客 1171

Java判断地图坐标(经度,纬度)是否在多边形区域或圆形区域内

​欢迎光临我的博客查看最新文章:在地图上,可以使用经纬度确定一个位置,如上海体育场(121.449391,31.188228),如果知道了2个地点的经纬度,我们就能在地图上找到其位置及2点的距离,百度地图或高德地图提供了相应的服务;如果将多个坐标点连成多边形区域,如何判断某个坐标点是否在多边形区域内,如下工具类。

river106的博客 3945

mos管结电容等效模型_MOS管的防冲击防反接电路

MOS管的反接和抑制冲击一:原理分析MOS管由于生产工艺等因素,会产生相应的寄生电容,体二极管等。Mos管的寄生电容如图1所示,可以看到其具有三个寄生电容:G和S的电容Cgs;G和D的电容:Cgd,也称为反向传输电容、米勒电容、Crss;D和S的电容Cds。D和S之间的体二极管D1.图 1:MOS管等效模型寄生电容的数值可以从元器件的datasheet中得到,如图2,图3:Ciss(输入电容)=C...

weixin_29179583的博客 1860

Java从控制台接收用户输入的十六进制,并输出对应的二进数

编写程序,从控制台接收用户输入的十六进制,并输出对应的二进数,要求程序中用一个字符串数组表示16进制的“0”至“F”。

weixin_62495164的博客 1030

ThinkPHP+Layui开发的ERP管理系统

ERP采购生产销售系统,一款基于ThinkPHP+Layui开发的ERP管理系统,帮助中小企业实现ERP管理规范化,此系统能为你解决五大方面的经营问题:1.采购管理 2.销售管理 3.仓库管理 4.资金管理 5.生产管理,适用于:服装鞋帽、化妆品、机械机电、家具装潢、建材行业、快销品、母婴用品、办公用品、汽配汽修、生鲜农贸、手机通讯、数码家电、医药用品、制造业、信息技术服务行业等。提供全部无加密服务端和前端源代码,独立部署,不受限制。

u011092458的博客 789

Java输入输出全解析:从控制台交互到实战应用

本文详细介绍了Java中的输入输出操作,包括控制台输出、键盘输入和多组数据处理。主要内容涵盖: 控制台输出:讲解println、print和printf三种输出方法,重点演示printf的格式化输出技巧,包括各种占位符的使用。 键盘输入:通过Scanner类实现用户输入处理,详细说明读取不同类型数据的方法,并强调输入时的注意事项和常见问题。 多组数据处理:介绍如何使用hasNextXxx()方法处理批量数据输入,以及在不同系统环境下结束输入的方法。 实战案例:最后通过一个猜数字游戏示例,综合运用输入输出和控

2403_87924021的博客 2217

树莓派4B+WebRTC实现远程监控:5步搞定公网视频流传输(含Node.js配置)

本文详细介绍了如何利用树莓派4B和WebRTC技术,通过5个关键步骤搭建低延迟、高隐私的远程监控系统。重点阐述了WebRTC点对点传输相较于传统方案的优势,并提供了包含Node.js信令服务器配置、树莓派视频流捕获与推送、以及移动端自适应观看页面的完整实现方案,帮助用户实现公网视频流传输。

websocket5live的博客 293

自动驾驶模拟器:基于 Python + Carla,在家也能训练一个“L4 级”自动驾驶 AI 模型

市面上有很多模拟器(AirSim, LGSVL),但 Carla 是目前学术界和工业界最主流的选择。画质强:基于 UE4,光影、天气(下雨、夕阳)极其逼真,这对训练视觉模型至关重要。API 爽:完全使用 Python 控制,对 AI 工程师极度友好。资产多:内置各种车辆、行人、交通信号灯、城市地图。编写 Python 代码,让车自己在城市里跑,通过摄像头看到路况,自己决定怎么打方向盘。通过 Carla,我们把价值数百万的自动驾驶测试场搬进了电脑。

BUG猿的博客 270

【十进制转十六进制数】

从键盘接收一个整数,编程实现将其转换成十六进制数。

✨ 欢迎来到【Seal ^_^ 的优快云博客】!✨ 9679

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")

【Java】基本的输入与输出(包括格式化输出和多组输入)

在之前我们对Java的发展史和基本使用进行了一定的入门了解,今天我们来学习Java程序逻辑控制中的输入与输出方式。本篇文章将详细介绍Java语言中的输入输出操作,让我们开始吧!!!拜托啦这对我真的很重要o(>ω< )o!!!

2301_77204579的博客 5442

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

【十六进制数转十进制数 】

从键盘接收一个十六进制数,编程实现将其转换成十进制数。

✨ 欢迎来到【Seal ^_^ 的优快云博客】!✨ 1万+

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

5.输入0~15,输出对应的十六进制数

package Case; //输入0~15,输出对应的十六进制数 import java.util.Scanner; public class case03 { public static void main(String[] args) { Scanner scan = new Scanner(System.in); System.out.println("请输入0~15中的一个整数:"); int n = scan.nextInt(); char ch = (char.

m0_51304699的博客 3443

Java输入与输出详解

Java输入和输出涉及从各种来源(如键盘、文件等)读取数据以及将数据发送到各种目标(如屏幕、文件等)。Java提供了多种流类(如InputStream和OutputStream)来处理这些操作,允许开发者以灵活和高效的方式处理数据输入输出。

qq_74013365的博客 3458

java输出二进制,八进制,十六进制数

System.out.printf("%010x\n",x);//按10位十六进制输出,向右靠齐,左边用0补齐 System.out.printf("%010o\n",x);//按10位八进制输出,向右靠齐,左边用0补齐 将得到以下输出 000000000f 0000000017 System.out.printf("%x\n",x);//按10位16进制输出,向右靠齐,左边用0补齐

zhuiyizhuiyi的专栏 4万+

详细介绍Java控制台输入输出

本文介绍了Java中控制台输入输出的基本语法和使用方法。输出部分主要讲解System.out.println()、System.out.print()和System.out.printf()三种方式的区别,以及格式化输出的占位符使用。输入部分详细说明了Scanner类的使用流程,包括导包、创建扫描器对象、常用方法(next()、nextLine()、hasNext()等)以及关闭扫描器的注意事项。文章还对比了Scanner方法与迭代器的相似性,并强调了基础知识的重要性。全文内容实用,适合Java初学者快速掌

2403_89347326的博客 1617

Java基础编程题目——判断输入是否为十六进制数,若不是则抛出异常

从键盘输入一个十六进制数,将其转换为十进制输出。如果输入的不是一个有效的十六进制数则抛出异常。 import java.util.Scanner; public class Number { public static void main(String[] args) { Scanner sc = new Scanner(System.in); Strin...

美好事物 4551

Java 十六进制转八进制 给定n个十六进制正整数,输出它们对应的八进制数。

给定n个十六进制正整数,输出它们对应的八进制数。 输入的十六进制数不会有前导0,比如012A。 输出的八进制数也不能有前导0。 样例输入   2   39   123ABC 样例输出   71   4435274 import java.util.Scanner; public class Main { public static void main(String[] args) ...

七七的博客 4903

Java实现从键盘输入一个十六进制数,再将其转化为十进制数,然后输出。如果输入的不是一个有效的十六进制数,则抛出异常。

import java.util.*;public class Exchange{ public static void main(String[] args) { // TODO Auto-generated method stub Scanner in=new Scanner(System.in); System.out.println("十六进制转十进制运算,请输入一个十六进制数:")...

ma2622595880的博客 1万+
上一篇: JAVA-作业2-3:编写程序,从控制台接收用户输入的二进制,并输出相应的10进制数。
下一篇: JAVA-作业3-1:设计完成一个Timer类,要求该类能够实现以下功能
乐多ledo
博客等级 码龄4年 119粉丝 37原创
评论 1
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