Leecode 680 验证回文串 II 双指针法

简介: 第一次报错是因为没有判断删除一个字符后的情况第二次报错是因为没有添加是删除一个字符而不是删除多个字符能不能构成回文串的条件第三次报错是因为没有考虑先删除左边还是右边的问题,有些奇葩它先删除左边不可以通过,得先删除右边

题目

做这道题可谓是一波三折😢


第一次报错是因为没有判断删除一个字符后的情况

第二次报错是因为没有添加是删除一个字符而不是删除多个字符能不能构成回文串的条件

第三次报错是因为没有考虑先删除左边还是右边的问题,有些奇葩它先删除左边不可以通过,得先删除右边

第四次报错是因为没有添加如果先删除左边就可以通过的话就不用判断删除右边的情况,导致比如’acba‘原本可以通过测试,但右边删除又返回false,造孽啊~

image.pngimage.png


思路

将字符串转为字符数组 a[ ]

回文数的判断的实现:借助双指针 i 和 j - 如果字符匹配(a[i]==a[j])就继续向中间逼近(i++ , j–),如果字符不匹配 (a[i]!=a[j] ) 就考虑删除一个字符。

如何保证是删除一个字符而不是多个,定义变量num=0;每 ‘删除’ 一个字符num++,如果遇到字符不匹配那就先判断num是否=1,如果=1,说明已经删除过一个字符了,直接返回false;

删除一个单词的实现:当左右指针指向的字符不匹配时,先考虑删除左边的字符(即i++)

如果删除左边的字符后任然不是回文串,那就将 ‘删除’ 的字符复原,删除次数复原(即i–,num–),再试试删除右边的字符(即j–),如果还不是回文串,那就返回false

特例的处理:如果是一个长度的字符串(即字符),直接返回 true

代码

class Solution {
    public boolean validPalindrome(String s) {
        char[] c = s.toCharArray();
        int i=0,j=c.length-1;
        char word1=c[i];
        char word2=c[j];
        int num=0;//判断删除了几个单词,如果超过了两个单词就返回false
        //判断是不是回文串
        if(c.length==1){
            return true;
        }
        boolean loop=true;
        while(i<j ){
            word1=c[i];
            word2=c[j];
            //还包括先删除左边的单词还是右边的单词的情况
            if(word1!=word2){
                if(num==1){
                    loop=false;
                    break;
                }
                i++;
                word1=c[i];
                if(word1==word2){
                    num++;
                    i++;
                    j--;
                    continue;
                }
                //复原word1
                i--;
                word1=c[i];
                //更新a[j]
                j--;
                word2=c[j];
                if(word1==word2){
                    num++;
                    i++;
                    j--;
                    continue;
                }
                loop=false;
                break;
            }
            i++;
            j--;
            loop=true;
        }
        //如果loop为false的话才判断先删除右边的情况
        //先删除右边再删除左边的情况
        //充值i,j,loop,num
        if(loop){
            return loop;
        }
        loop=true;
        num=0;
        i=0;
        j=c.length-1;
        while(i<j ){
            word1=c[i];
            word2=c[j];
            //还包括先删除左边的单词还是右边的单词的情况
            if(word1!=word2){
                if(num==1){
                    loop=false;
                    break;
                }
                j--;
                word2=c[j];
                if(word1==word2){
                    num++;
                    i++;
                    j--;
                    continue;
                }
                //复原word2
                j++;
                word2=c[j];
                //更新a[i]
                i++;
                word1=c[i];
                if(word1==word2){
                    num++;
                    i++;
                    j--;
                    continue;
                }
                loop=false;
                break;
            }
            i++;
            j--;
            loop=true;
        }
        return loop;
    }
}
相关文章
|
监控 索引
分布式系统日志上下文查询功能
日志查看方式 随着技术的发展,越来越多的系统从单机转向到分布式,同时对应的日志查看方式除了直接查看文件外,也发展出了各种集中日志管理方式。
6138 0
|
Oracle 关系型数据库
|
1天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1062 0
|
10天前
|
人工智能 运维 安全
|
1天前
|
弹性计算 Kubernetes jenkins
如何在 ECS/EKS 集群中有效使用 Jenkins
本文探讨了如何将 Jenkins 与 AWS ECS 和 EKS 集群集成,以构建高效、灵活且具备自动扩缩容能力的 CI/CD 流水线,提升软件交付效率并优化资源成本。
242 0
|
8天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
9天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
738 23