ZigZag Conversion -- LeetCode

本文详细解析了LeetCode上的Zigzag Conversion题目,介绍了如何通过理解zigzag模式的规律,实现字符串的转换。文章提供了Java代码示例,展示了如何遍历字符串并按行收集字符,最终形成Zigzag形式的输出。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

                原题链接:  http://oj.leetcode.com/problems/zigzag-conversion/  
这道题是cc150里面的题目了,其实比较简单,只要看出来他其实每个zigzag是2*m-2个字符就可以,这里m是结果的行的数量。接下来就是对于每一行先把往下走的那一列的字符加进去,然后有往上走的字符再加进去即可。时间复杂度是O(n),空间复杂度是O(1),代码如下: 
public String convert(String s, int nRows) {    if(s == null || s.length()==0 || nRows <=0)        return "";    if(nRows == 1)        return s;    StringBuilder res = new StringBuilder();    int size = 2*nRows-2;    for(int i=0;i<nRows;i++)    {        for(int j=i;j<s.length();j+=size)        {            res.append(s.charAt(j));            if(i!=0 && i!=nRows-1 && j+size-2*i<s.length())                res.append(s.charAt(j+size-2*i));        }                    }    return res.toString();}
实现上要注意最后如果字符长度到了,就不需要添加了。 这道题也没有什么扩展,我觉得面试中考到的几率不大,基本就是字符串的操作。
           
基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统,个人经导师指导并认可通过的高分设计项目,评审分98分,项目中的源码都是经过本地编译过可运行的,都经过严格调试,确保可以运行!主要针对计算机相关专业的正在做大作业、毕业设计的学生和需要项目实战练习的学习者,资源项目的难度比较适中,内容都是经过助教老师审定过的能够满足学习、使用需求,如果有需要的话可以放心下载使用。 基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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