L1-4 字符串压缩 (10 分)

简介: 编写一个程序,输入一个字符串,然后采用如下的规则对该字符串当中的每一个字符进行压缩:(1) 如果该字符是空格,则保留该字符;(2) 如果该字符是第一次出现或第三次出现或第六次出现,则保留该字符;(3) 否则,删除该字符。例如,若用户输入“occurrence”,经过压缩后,字符c的第二次出现被删除,第一和第三次出现仍保留;字符r和e的第二次出现均被删除,因此最后的结果为:“ocurenc”。


编写一个程序,输入一个字符串,然后采用如下的规则对该字符串当中的每一个字符进行压缩:


(1) 如果该字符是空格,则保留该字符;


(2) 如果该字符是第一次出现或第三次出现或第六次出现,则保留该字符;


(3) 否则,删除该字符。


例如,若用户输入“occurrence”,经过压缩后,字符c的第二次出现被删除,第一和第三次出现仍保留;字符r和e的第二次出现均被删除,因此最后的结果为:“ocurenc”。

输入格式:

输入只有一行,即原始字符串。

输出格式:

输出只有一行,即经过压缩以后的字符串。

输入样例:

occurrence

输出样例:

ocurenc

代码如下:

#include<iostream>
#include<string>
using namespace std;
int main()
{
  string s;
  getline(cin, s);
  int a[500] = { 0 };
  for (int i = 0; i < s.length(); i++) {
    if (s[i] == ' ') {
      continue;
    }
    else
    {
      a[s[i] - 0]++;
      if (a[s[i] - 0] == 1 || a[s[i] - 0] == 3 || a[s[i] - 0] == 6);
      else
      {
        s[i] = 0;
      }
    }
  }
  for (int i = 0; i < s.length(); i++) {
    if (s[i] == 0);
    else
    {
      cout << s[i];
    }
  }
}

 PS:简单易懂

相关文章
|
6月前
|
人工智能 弹性计算 运维
阿里云 MCP Server 开箱即用!
本文介绍了如何通过alibaba-cloud-ops-mcp-server和MCP(Model Context Protocol)实现AI助手对阿里云资源的复杂任务操作。内容涵盖背景、准备步骤(如使用VS Code与Cline配置MCP Server)、示例场景(包括创建实例、监控实例、运行命令、启停实例等),以及支持的工具列表和参考文档。借助这些工具,用户可通过自然语言与AI助手交互,完成ECS实例管理、VPC查询、云监控数据获取等运维任务,实现高效“掌上运维”。
|
BI 数据挖掘
公开课02期 |基于宜搭的《客户关系管理(CRM)》应用搭建
主要展示宜搭搭建CRM应用的大致结构,用户可以根据自己的需求搭建简单或复杂的CRM应用。
23787 1
公开课02期 |基于宜搭的《客户关系管理(CRM)》应用搭建
|
域名解析 缓存 弹性计算
CDN 的操作与使用|学习笔记
快速学习 CDN 的操作与使用
CDN 的操作与使用|学习笔记
|
10月前
|
SQL DataWorks 搜索推荐
DataWorks 产品评测:数据处理的最佳实践与体验
DataWorks是阿里巴巴云推出的一款综合型大数据开发治理平台,通过此次用户画像分析实践,展现了其在数据整合、分析及可视化方面的强大能力。该平台支持自动化ETL流程,优化了数据资产管理与决策支持,提升了跨部门协作效率,促进了业务创新。相比其他工具,DataWorks具备全面的服务生态、高性能计算能力和高智能化水平,尤其适用于处理大规模数据集。新版Data Studio进一步增强了用户体验,集成了Notebook环境与智能助手Copilot,大幅提高了开发效率。尽管存在一些小问题,但整体上,DataWorks是企业实现数字化转型的理想选择。
215 8
|
网络协议 NoSQL 关系型数据库
【宝塔部署PHP项目】含域名访问部署、IP访问部署、数据库、端口号、Nginx等知识
【宝塔部署PHP项目】含域名访问部署、IP访问部署、数据库、端口号、Nginx等知识
4579 0
【宝塔部署PHP项目】含域名访问部署、IP访问部署、数据库、端口号、Nginx等知识
|
7月前
|
Python
课时20:集合的运算
本内容介绍集合的运算,涵盖交集、并集、差集、异或集及子集等概念。通过Python代码示例详细说明各运算符(如 &、|、-、^、&lt;=、&lt;、&gt;=、&gt;)的使用方法,并解释其在实际编程中的应用。重点在于理解集合运算的基本原理及其在编程中的实现,帮助读者掌握集合运算的基础知识。
|
10月前
|
机器学习/深度学习 存储 人工智能
【AI系统】感知量化训练 QAT
本文介绍感知量化训练(QAT)流程,旨在减少神经网络从FP32量化至INT8时的精度损失。通过在模型中插入伪量化节点(FakeQuant)模拟量化误差,并在训练中最小化这些误差,使模型适应量化环境。文章还探讨了伪量化节点的作用、正向与反向传播处理、TensorRT中的QAT模型高效推理,以及QAT与PTQ的对比,提供了实践技巧,如从良好校准的PTQ模型开始、采用余弦退火学习率计划等。
498 3
【AI系统】感知量化训练 QAT
|
机器学习/深度学习 人工智能 移动开发
科技云报到:从“N 号房”看Deepfake乱象,如何证明“我”不是我
科技云报到:从“N 号房”看Deepfake乱象,如何证明“我”不是我
241 12
|
12月前
|
SQL 缓存 Java
揭秘物联网性能优化的终极攻略!提升系统效率的七大法宝
小米在物联网项目中遇到了性能优化问题,他从数据库、集群、硬件、代码、并行处理、JVM及操作系统等多个层面分享了优化经验。包括SQL优化、分库分表、缓存使用、水平扩容、分布式调度、硬件升级、代码分析、并行处理、GC调优及操作系统参数调整等。小米强调性能优化需结合实际情况,逐步提升系统响应速度与稳定性。欢迎留言交流,共同进步。关注他的微信公众号“软件求生”,获取更多技术干货。
276 0
|
人工智能 计算机视觉
论文介绍:MDTv2——提升图像合成能力的掩码扩散变换器
【5月更文挑战第18天】MDTv2是掩码扩散变换器的升级版,旨在增强图像合成模型DPMs处理语义关系的能力。通过掩码操作和不对称扩散变换,MDTv2能学习图像的完整语义信息,提升学习效率和图像质量。MDTv2采用优化的网络结构和训练策略,如长快捷方式、密集输入和时间步适应损失权重,实现SOTA性能,FID分数达到1.58,训练速度比DiT快10倍。尽管计算成本高和泛化能力待验证,MDTv2为图像合成领域开辟了新方向。[链接: https://arxiv.org/abs/2303.14389]
673 1