经典题:用Java打印空心菱形

Java:打印输出空心菱形 通过Java实现空心菱形 阅读详情

经典题:用Java打印空心菱形

本题是在打印空心金字塔的基础上进行的,不会的点击下面的链接:

经典题:用Java打印空心金字塔

(1)打印无底空心金字塔

输出如下:

开始运行...
请输入层数
6
     *
    * *
   *   *
  *     *
 *       *
*         *
运行结束。

打印空心金字塔的代码

import java.util.Scanner;
public class Stars{ 
	public static void main(String[] args){
		Scanner myScanner = new Scanner(System.in);
		int i;
		int j;
		int k;
		System.out.println("请输入层数");
		int level = myScanner.nextInt();
		for (i = 1; i <= level; i++) {
			for (k = 1; k <= level - i; k++) {
				System.out.print(" ");
			}
			for (j = 1; j <= 2 * i - 1; j++) {
				if (j == 1 || j == 2 * i - 1 || i == level) {
					System.out.print('*');
				}else {
					System.out.print(" ");
				}
			}
			System.out.println();
		}
	}
}

从上面代码可知,如果想打印无底空心金字塔,我们只需要将if中i==level条件去掉。

打印空心无底金字塔的代码

import java.util.Scanner;
public class Stars{ 
	public static void main(String[] args){
		Scanner myScanner = new Scanner(System.in);
		int i;
		int j;
		int k;
		System.out.println("请输入层数");
		int level = myScanner.nextInt();
		for (i = 1; i <= level; i++) {
			for (k = 1; k <= level - i; k++) {
				System.out.print(" ");
			}
			for (j = 1; j <= 2 * i - 1; j++) {
				if (j == 1 || j == 2 * i - 1) {
					System.out.print('*');
				}else {
					System.out.print(" ");
				}
			}
			System.out.println();
		}
	}
}

(2)打印V字形

输出案例:

开始运行...
请输入
5
*       *
 *     *
  *   *
   * *
    *

运行结束。

首先,我们需要打印空格,第一行0空格,第二行1空格,第三行2空格,以此类推。
k变量表示空格,i变量表示行数,j变量表示列数,level变量表示层数。

for循环嵌套如下:

for (i = 1; i <= level; i++) {
	for (k = 1; k <= i - 1; k++) {
		System.out.print(" ");
	}
	System.out.printin();
}

然后打印V字形,我们发现如果V字形为5层,第一层打印第1个和第9个,第二层打印第1个和第7个,第三层打印第1个和第5个,第四层打印第1个和第3个,第五层打印第1个。以此类推,第i层打印第1个和第2*(5-i)+1个。
如果用level代替5,就变成j=1和j=2*(level-i)+1。这是if的判断条件,符合就打印*,不符就打印空格。
在循环中,j从1开始,到2*(level-i)+1结束。

代码如下:

import java.util.Scanner;
public class C {
    public static void main(String[] args){
		Scanner myScanner = new Scanner(System.in);
		int i;
		int j;
		int k;       
        System.out.println("请输入");
		int level = myScanner.nextInt();
        for (i = 1; i <= level; i++) {
			for (k = 1; k <= i - 1; k++) {
				System.out.print(" ");
			}
			for (j = 1; j <= 2 * (level - i) + 1; j++) {
				if (j == 1 || j == 2 * (level - i) + 1) {
					System.out.print('*');
				}else {
                    System.out.print(" ");
                }
			}
			System.out.println();
		}
    }
}

(3)打印空心菱形

将(1)和(2)for循环上下合并。

代码如下:

import java.util.Scanner;
public class Stars {
    public static void main(String[] args){
		Scanner myScanner = new Scanner(System.in);
		int i;
		int j;
		int k;
		System.out.println("请输入菱形的边长");
		int level = myScanner.nextInt();
		for (i = 1; i <= level; i++) {
			for (k = 1; k <= level - i; k++) {
				System.out.print(" ");
			}
			for (j = 1; j <= 2 * i - 1; j++) {
				if (j == 1 || j == 2 * i - 1) {
					System.out.print('*');
				}else {
					System.out.print(" ");
				}
			}
			System.out.println();
		}
        for (i = 1; i <= level; i++) {
			for (k = 1; k <= i - 1; k++) {
				System.out.print(" ");
			}
			for (j = 1; j <= 2 * (level - i) + 1; j++) {
				if (j == 1 || j == 2 * (level - i) + 1) {
					System.out.print('*');
				}else {
					System.out.print(" ");
				}
			}
			System.out.println();
		}
    }
}

输出案例:

开始运行...
请输入菱形的边长
5 
    *
   * *
  *   *
 *     *
*       *
*       *
 *     *
  *   *
   * *
    *

运行结束。
打印空心菱形 - Java 在每一行的循环中,我们首先打印一定数量的空格,以保证菱形的对称性。然后,如果当前行不是第一行,我们还会打印一些空格和另一个星号,以保证菱形的空心效果。然后,我们使用两个嵌套的循环来逐行打印菱形。上半部分的循环用于打印菱形的上半部分(包括中间那行),下半部分的循环用于打印菱形的下半部分。请确保输入的边长是一个奇数,因为菱形的宽度必须是对称的。接下来,我们计算菱形的中点位置。中点是菱形的最上面一行和最下面一行的位置。通过运行这段代码,您将得到一个空心的菱形形状,并且可以自定义菱形的大小。 阅读详情

相关推荐

openeuler在线/离线安装docker服务

openeuler在线/离线安装docker服务

haixuti7的博客 1071

【java基础练习】打印空心菱形

【java基础练习】打印空心菱形

weixin_70140784的博客 1734

CodeBlocks如何将英文环境改为中文

一、下载汉化包(链接如下) 链接:https://pan.baidu.com/s/166U9WGPbJXu2hyD7q9EiJQ 提取码:2333 二、选择路径 将汉化包中的文件(CodeBlocks.mo、zh_CN.mo、zh_CN.po)放到CodeBlocks安装路径下的​​​​​​CodeBlocks/share/CodeBlocks/locale/zh_CN文件夹中,路径中的文件夹没有就新建。 注:此处需严格按照要求来,切勿自定义文件夹名 三、内部调试 打开CodeBlocks,..

云隐雾匿的博客 2万+

Java中的空心菱形

java中的空心菱形

wjkqq0921的博客 3530

传统蓝牙、BLE与蓝牙Mesh深度对比:核心技术区别、应用场景及选型指南

以下是 传统蓝牙(Classic Bluetooth)、BLE(蓝牙低功耗)和蓝牙Mesh 的核心区别、技术特点及应用场景的对比分析

moton2017的博客 2955

配置Dot1q终结子接口实现跨设备VLAN间通信示例

示例图 一.实验目的 1.配置Dot1q终结子接口实现跨设备VLAN间通信示例 二.注意事项 1.Dot1q终结子接口和QinQ终结子接口不支持透传不带VLAN Tag的报文, 收到不带VLAN Tag的报文会直接丢弃 2.由于三层以太网子接口不支持VLAN报文,当它收到VLAN报文时,会将VLAN报文当成是 非法报文而丢弃,因此,需要在子接口上将VLAN Tag剥掉,也就是需要VLAN终结 三.VLAN终结简介 1.VLAN终结的实质包含两个方面: ①.对接口接收到报文,剥除VLAN标

qq_44751470的博客 7098

Java打印实心菱形与空心菱形

菱形

weixin_47447031的博客 1341

Python爬虫实战:高效爬取中国专利数据库的完整指南

在当今信息爆炸的时代,专利数据作为技术创新的重要指标,对企业研发、市场分析和学术研究都具有极高价值。中国作为全球专利申请量最大的国家,其专利数据库包含了海量的技术创新信息。本文将详细介绍如何使用Python最新技术构建一个高效、稳定的中国专利数据库爬虫系统。中国专利数据库主要由国家知识产权局(CNIPA)维护,包含发明专利、实用新型专利和外观设计专利三大类。截至2023年,中国专利数据库已收录超过400万件发明专利和300万件实用新型专利。

2201_76125261的博客 1575

用Java语言编写打印菱形

Java典型例题(打印菱形) 题目:利用*号打印出一个菱形图样 分析:下面逐步分析菱形打印的推演过程 推演过程利用单独的方法演示,使用时直接在主方法中调用对应的方法即可。 第一步,打印一行*号 /** 打印出如下图形: ******* */ public static void print01() { //每次打印一个星星 for(int i = 1;i<=7;i++) {...

qq_38114301的博客 2万+

FPGA开发中的操作系统

在FPGA开发中,操作系统起着关键的作用,它负责任务管理、资源管理、中断处理和设备驱动程序等功能。在实际的FPGA开发中,可以选择使用现有的操作系统,如MicroC/OS-II、FreeRTOS等,或者根据具体需求自行设计和开发操作系统。在FPGA(可编程逻辑门阵列)开发中,操作系统扮演着关键的角色,为硬件设计师提供了一种有效的方式来管理资源、调度任务并实现系统级功能。本文将介绍FPGA开发中的操作系统概念,并提供一个简单的示例代码来说明如何在FPGA平台上实现一个基本的操作系统。

CqpFsharp的博客 1163

Codex 接入国产大模型完整指南:CC-Switch 与 Codex++ 的工程化选型

Codex 默认走 OpenAI Responses API,而 DeepSeek、GLM、Kimi 等国产模型只提供 OpenAI-compatible 的 Chat Completions——两套协议在消息结构、流式响应、reasoning 字段、tool call 上都不兼容,所以"改个 Base URL + 填国产 Key"这种朴素操作根本跑不通。本文从架构师视角出发,把 Codex 接入国产大模型这件事讲透:先剖析协议链路到底卡在哪,再对比 CC-Switch和 Codex++两套主流方案的差异

少说,多做 3880

java for循环打印平行四边形,正三角形,菱形和空心菱形

不是java很难,这明明就是数学计算题前言一、打印平行四边形二、打印正三角形三、打印菱形四、打印空心菱形总结 前言 循环很好理解,关键是怎么找到思路,或者说一种规律,来完成题目 一、打印平行四边形 简单理解: 最外层for循环控制打印行数 内层两个for循环,一个控制空格的输出,一个输出星号 星号是固定的 考虑如何使空格变化减少 代码如下(示例): for (int i = 0; i < 10; i++) { //控制每一行输出多少空格 for (

GuiBing_haonan的博客 6062

构建 Skill 的完整指南

Skill开发指南摘要 Skill是用于定制Claude AI行为的指令包,包含SKILL.md主文件及可选脚本、参考文档和资源。本文提供了完整的Skill开发指南: 核心概念 三层渐进式披露结构(元数据/主指令/参考文档) 支持独立工作流和MCP集成 跨平台兼容性(Claude.ai/ClaudeCode/API) 开发流程 规划:明确2-3个具体用例 结构要求:kebab-case命名、必备YAML元数据 编写规范:清晰触发条件、分步指令、错误处理 典型应用模式 • 文档生成(类别1) • 工作流自动化

wjianwei666的专栏 303

java中打印实心菱形以及空心菱形的方法

java循环打印图形练习

潘侯爷的博客 7448

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

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打印菱形与空心菱形

打印菱形尤其是空心菱形对于初学者来说有一定难度,熟练掌握了for循环后,还是可以打印出来的 分析:1.先打印上半部分,再打印下半部分            2.找准空格与星号之间的关系,然后再打印            3.上半部分每一行数目分别为 1 、3、5、7、9、7、5、3、1            4.找准关系 2*i-1           // 练习二:打印菱形与空心菱...

m0_37829784的博客 2万+

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Java练习:打印各种图形(等腰三角形、直角三角形、实心菱形、空心菱形)

Java打印各种图形(等腰三角形、直角三角形、实心菱形、空心菱形) 1.打印等腰三角形 代码: // 打印出等腰三角形 @Test public void demo04() { for (int i = 1; i <= 5; i++) { // 控制行数 for (int j = 5 - i; j >= 0; j--) { // 控制每一行星星前面的空格数 Sys...

我的博客 5500

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

Java打印实心菱形,空心菱形

我们用*号来填充菱形首先,要想打印出菱形,我们先要对菱形有点认知,首先,菱形是四边相等的图形,只要四边相等,就是菱形,我们这里只说明竖着打印实心菱形和空心菱形。实心菱形:public static void printHollowRhombus(int size) { //首先,菱形的行数不能为偶数,因为偶数行不能 构成菱形 if(size % 2 == 0) { ...

Fuzz 1995

Java 用for循环打印菱形和空心菱形

打印菱形 最近跟着学校的老师再重学Java,又遇到一个十分熟悉的题目:要求在控制台打印出如图所示的菱形。但是都大四了,至少要能实现根据用户的输入,来确定打印菱形的行数吧? 看到题目的第一眼就知道是用for循环来做,关键在于循环停止的条件。依稀记得以前做这题时是分为上下两部分来分别打印,同时用for循环打印每一行的字符时,嵌套两个循环来打印制表符(\t)和星型字符(*)。 有了初步的思路...

Voraginem的博客 1755

Java实现打印空心的菱形。

Java实现打印空心的菱形。 今天来实现开心菱形的效果 分析思路:通过打印菱形的基础上来实现空心的效果。 空心的菱形就是在菱形的基础上来完成 代码: package Homework1210; import java.util.Scanner; //实现打印空心的菱形 public class PrintHollowRhombus { public static void main(S...

weixin_44797327的博客 977

用java实现打印菱形,空心菱形

自己写的打印菱形,空心菱形的Java代码     想要写打印菱形的程序代码,但网上的都看着麻烦,不如自己找找规律,自己写一个,而且逻辑上我也能明白。     说说自己的大体思路:菱形图案实际上是一个n*n的正方形,就是有的打印空格,有的打印*,假设行从0开始到n-1,找找行和所打印的*所在的范围之间的关系,打印条件和行号的关系,对于下半部的图案其实就是上半部的对称,只要将下半部的行号适当修

lesaqiu的专栏 2128

Java打印各种图形:矩形、三角形、99乘法表、菱形、空心菱形、杨辉三角

Java打印各种图形:矩形、三角形、99乘法表、菱形、空心菱形、杨辉三角

终生学习践行者 3139

java:实现打印空心菱形(附带源码)

java:实现打印空心菱形(附带源码)

欢迎来到我的博客!这里是一个专注于计算机技术的分享平台,涵盖编程开发、算法研究、系统架构、软件工程等多个领域。无论你是初学者还是资深开发者,都能在这里找到有价值的内容。 958

Java基础:实心菱形与空心菱形

在java基础题中属于比较经典的for循环的题目,打印出一个实心的菱形和空心的菱形,对于菱形打印的思路,我们可以把菱形拆分为两部分,可以看做是上面一个三角与下面一个三角的结合 我们以上边菱形高度为6为例: public class Diamond{ public static void main(String []args){ //上部菱形实现 for(int i=0;i<6;i++) //...

神奇的小卖萌 1308

Java小程序:打印空心菱形

金字塔—>空心金字塔—>空心菱形

fang_lll的博客 1万+

Java利用循环打印菱形、空心菱形

Java利用循环打印菱形、空心菱形 整体思路:首先我们把打印的菱形分为两个部分,上半部分和下半部分 下半部分比上部分多一行 因为是菱形所以 每一行打印的个数位2n+1 代码: //打印菱形 //上部分 for (int i = 1; i <8 ; i++) { //确定菱形的行数 for (int j = 0; j <=8-i ; j++) { //确定空格的个数 System.out.p

weixin_48369654的博客 656

java 打印半金字塔,金字塔,空心金字塔,空心菱形

java 打印半金字塔,金字塔,空心金字塔,空心菱形   /** *作者:huangbao *日期:2010-06-21 *功能:打印半金字塔,金字塔,空心金字塔,空心菱形 *描述:半金字塔,金字塔,空心金字塔,空心菱形 *其它:Pyramid,Layer */ import java.io.*; public class Pyramid { public static ...

hb0308513的博客 1572
上一篇: 经典题:用Java打印空心金字塔
下一篇: Java思维导图(2)
邱崇源
博客等级 码龄8年 362粉丝 43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

打赏作者

邱崇源

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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