算法编程(一):实现 strStr()

简介: 算法编程(一):实现 strStr()

写在前面


实现strStr(),这道题的难度属于简单。这说明着有一定基础知识的技术人员都可以解决此问题。

image.png

题目解读


如果你会写C语言,或者是Java;那么一定知道strstr()方法,和indexOf方法。

因为我是一名Java开发者,所以从indexOf方法的角度说明一下。

其实indexOf这个方法还是很常用的,可以判断出子字符串在父字符串中的下标位置所在,也可以判断出是否父字符串是否包含字符串。

而这道题就是要通过自己书写的算法来实现这个效果。

这显然并不难,比如通过循环父字符串每个位置的字符,逐一对子字符串进行比对,使用一个滑块的概念来解决。


代码实现


既然有了思路,我们可以顺着这个思路解决一下这个问题。

首先先判断两种特殊情况。

一:needle为空,二:haystack和needle相同。

然后,我们来遍历haystack每个字符,保证找到最小的下标索引。

通过双重循环来解决这个问题,外层循环负责找到下标索引。

内层循环复杂遍历这个下标索引是否符合题目要求。

题目并不难可以简单看一下代码。

public static void main(String[] args) {
        Solution solution = new Solution();
        System.out.println(solution.strStr("abc", "c"));
    }
    public int strStr(String haystack, String needle) {
        if(needle == null || haystack.equals(needle)){
            return 0;
        }
        for (int i = 0; i < haystack.length(); i++) {
            if(haystack.length() - i < needle.length()){
                break;
            }
            if(haystack.charAt(i) == needle.charAt(0)){
                if(needle.length() == 1){
                    return i;
                }
                int c = 1;
                for (int j = i + 1; j < haystack.length(); j++) {
                    if(haystack.charAt(j) != needle.charAt(c)){
                        break;
                    }
                    c++;
                    if(c == needle.length()){
                        return i;
                    }
                }
            }
        }
        return -1;
    }


执行结果:


显然这个方法还是挺好使的。

image.png


indexOf


public int strStr(String haystack, String needle) {
    return haystack.indexOf(needle);
}

我还运行了一下,发现效率还是挺高的。

image.png

总结

今天这道题目看着挺简单,但是很多朋友说到KMP算法,难度应该还是挺高的,不是很了解,回头学习一下。


相关文章
|
7月前
|
算法 数据安全/隐私保护
火山中文编程 -- MD5算法和SHA算法
火山中文编程 -- MD5算法和SHA算法
59 0
火山中文编程 -- MD5算法和SHA算法
|
1月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
49 2
|
2月前
|
存储 缓存 分布式计算
数据结构与算法学习一:学习前的准备,数据结构的分类,数据结构与算法的关系,实际编程中遇到的问题,几个经典算法问题
这篇文章是关于数据结构与算法的学习指南,涵盖了数据结构的分类、数据结构与算法的关系、实际编程中遇到的问题以及几个经典的算法面试题。
40 0
数据结构与算法学习一:学习前的准备,数据结构的分类,数据结构与算法的关系,实际编程中遇到的问题,几个经典算法问题
|
2月前
|
算法 Python
Python算法编程:冒泡排序、选择排序、快速排序
Python算法编程:冒泡排序、选择排序、快速排序
34 0
|
7月前
|
存储 分布式计算 算法
【底层服务/编程功底系列】「大数据算法体系」带你深入分析MapReduce算法 — Shuffle的执行过程
【底层服务/编程功底系列】「大数据算法体系」带你深入分析MapReduce算法 — Shuffle的执行过程
107 0
|
4月前
|
存储 算法 搜索推荐
编程之旅中的算法启示
【8月更文挑战第31天】在编程世界的迷宫里,算法是那把钥匙,它不仅能解锁问题的答案,还能引领我们深入理解计算机科学的灵魂。本文将通过一次个人的技术感悟旅程,探索算法的奥秘,分享如何通过实践和思考来提升编程技能,以及这一过程如何启示我们更深层次地认识技术与生活的交织。
|
5月前
|
存储 算法 搜索推荐
告别低效编程!Python算法设计与分析中,时间复杂度与空间复杂度的智慧抉择!
【7月更文挑战第22天】在编程中,时间复杂度和空间复杂度是评估算法效率的关键。时间复杂度衡量执行时间随数据量增加的趋势,空间复杂度关注算法所需的内存。在实际应用中,开发者需权衡两者,根据场景选择合适算法,如快速排序(平均O(n log n),最坏O(n^2),空间复杂度O(log n)至O(n))适合大规模数据,而归并排序(稳定O(n log n),空间复杂度O(n))在内存受限或稳定性要求高时更有利。通过优化,如改进基准选择或减少复制,可平衡这两者。理解并智慧地选择算法是提升代码效率的关键。
72 1
|
4月前
|
存储 算法
【C算法】编程初学者入门训练140道(1~20)
【C算法】编程初学者入门训练140道(1~20)
|
5月前
|
存储 算法 Python
震撼!Python算法设计与分析,分治法、贪心、动态规划...这些经典算法如何改变你的编程世界!
【7月更文挑战第9天】在Python的算法天地,分治、贪心、动态规划三巨头揭示了解题的智慧。分治如归并排序,将大问题拆解为小部分解决;贪心算法以局部最优求全局,如Prim的最小生成树;动态规划通过存储子问题解避免重复计算,如斐波那契数列。掌握这些,将重塑你的编程思维,点亮技术之路。
82 1
|
6月前
|
机器学习/深度学习 算法 搜索推荐
编程之舞:探索算法的优雅与力量
【6月更文挑战第10天】在软件的世界里,算法是构筑数字宇宙的基石。它们如同精心编排的舞蹈,每一个步骤都充满着逻辑的美感和解决问题的力量。本文将带领读者走进算法的世界,一起感受那些精妙绝伦的编程思想如何转化为解决现实问题的钥匙。
39 3
下一篇
DataWorks