【洛谷算法题】B2005-字符三角形【入门1顺序结构】

简介: 【洛谷算法题】B2005-字符三角形【入门1顺序结构】

【洛谷算法题】B2005-字符三角形【入门1顺序结构】

题目链接:字符三角形 - 洛谷

🌏题目描述

给定一个字符,用它构造一个底边长 5 55 个字符,高 3 33 个字符的等腰字符三角形。

🌏输入格式

输入只有一行,包含一个字符。

🌏输出格式

该字符构成的等腰三角形,底边长 5 55 个字符,高 3 33 个字符。

🌏样例 #1

🌙样例输入 #1

*

🌙样例输出 #1

*
 ***
*****

🌏提示

对于 100 % 100 \%100% 的数据,输入的字符是 ASCII 中的可见字符。

🌏题解

import java.util.Scanner;
public class B2005 {
    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        // 输入单个字符
        char c = in.next().charAt(0);
        System.out.println("  " + c + "  ");
        System.out.println(" " + c + c + c + " ");
        System.out.println("" + c + c + c + c + c + "");
        in.close();
    }
}

🌏总结

考查 Java 的基本输入输出。这里首先我们要输入一个字符,但是在 Java 中没有单独的输入单个字符的控制台输入方法,所以我们采用读取字符串的方法next(),再利用charAt()方法来输入单个字符。

next()方法:输入字符串的方法,以空格作为结束标志。

charAt(int index)方法:返回字符串(数组)指定索引处的值。这里我们的charAt(0)即是读取输入的字符串的第一个字符。这样就可以实现输入单个字符的功能。

现在我已经将所有算法题的 Java 题解同步更新到 github 仓库了,大家可以直接从仓库中方便的浏览和查看我总结的算法题的Java题解:https://github.com/huawuque404/Java-solution,非常欢迎大家也可以参与代码的贡献,大家点击以上链接进去看看就知道了,这个仓库我将会持续更新,敬请期待!

作者:花无缺(huawuque404)

相关文章
|
2月前
|
算法 前端开发 数据处理
小白学python-深入解析一位字符判定算法
小白学python-深入解析一位字符判定算法
54 0
|
1月前
|
存储 缓存 算法
通过优化算法和代码结构来提升易语言程序的执行效率
通过优化算法和代码结构来提升易语言程序的执行效率
|
1月前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
47 3
|
1月前
|
机器学习/深度学习 算法 Python
机器学习入门:理解并实现K-近邻算法
机器学习入门:理解并实现K-近邻算法
36 0
|
2月前
|
存储 缓存 算法
如何通过优化算法和代码结构来提升易语言程序的执行效率?
如何通过优化算法和代码结构来提升易语言程序的执行效率?
|
2月前
|
机器学习/深度学习 算法
机器学习入门(三):K近邻算法原理 | KNN算法原理
机器学习入门(三):K近邻算法原理 | KNN算法原理
|
2月前
|
机器学习/深度学习 算法 大数据
机器学习入门:梯度下降算法(下)
机器学习入门:梯度下降算法(下)
|
2月前
|
机器学习/深度学习 算法 API
机器学习入门(五):KNN概述 | K 近邻算法 API,K值选择问题
机器学习入门(五):KNN概述 | K 近邻算法 API,K值选择问题
|
2月前
|
机器学习/深度学习 算法
机器学习入门:梯度下降算法(上)
机器学习入门:梯度下降算法(上)
|
1天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
102 80