当前位置: 首页 > news >正文

leetcode-代码随想录-哈希表-有效的字母异位词

题目

题目链接:242. 有效的字母异位词 - 力扣(LeetCode)
给定两个字符串 st ,编写一个函数来判断 t 是否是 s 的 字母异位词。

输入: s = "anagram", t = "nagaram"
输出: true
输入: s = "rat", t = "car"
输出: false
class Solution {
public:bool isAnagram(string s, string t) {}
};
思路 & 代码

哈希问题常采用的数据结构:

  • 数组:用于数值比较小,范围确定的情况;
  • set:用于数值比较大、范围不确定的情况;
  • map:用于有 key - value的映射关系时;
数组作哈希表

题目分析:判断两个字符串是否由相同的字符串组成。

  1. st 仅包含小写字母 —— 26个;
  2. 小写字母的ASCII是连续的;

所以使用数组 即可,大小为26,存放的是从 a 到 z 每个字母出现的频率。

代码实现思路

将字符 映射到数组也就是哈希表的索引下标上。

  1. 定义一个数组 record,大小为 26,初始化为 0;用于记录 字符串中 字符出现的次数。
  2. 怎么记录呢?
    • 因为 字符 a 到字符 z 的ASCII是连续的数值,在运行中会自动将 'a’转换为ASCII值。
    • 使用 s[i] - 'a' 操作:若s[i] = ‘a’ ,就映射到下标0,若s[i] = ‘b’,映射到下标1,…,若s[i] = ‘z’,映射到下标 25。
  3. 遍历字符串 s,使用 record[s[i] - 'a']++记录字符出现的频率
  4. 遍历字符串 t,使用 record[t[i] - 'a']--记录字符出现的频率
  5. 遍历 record数组,若数组所有元素均为 0, 说明是字母移位词,否则不是。
#include <iostream>
#include <string>
using namespace std;class Solution {
public:bool isAnagram(string s, string t) {int record[26] = {0};for(int i = 0; i < s.size(); i++){record[s[i] - 'a']++;}for(int i = 0; i < t.size(); i++){record[t[i] - 'a']--;}for(int i = 0; i < 26; i++){if(record[i] != 0){return false;}}return true;}
};int main(){string s, t;cin >> s;cin >> t;cout << s << endl;cout << t << endl;Solution obj;bool res = obj.isAnagram(s,t);cout << boolalpha;cout << "res: " << res << endl;}

时间复杂度:O(n);
空间复杂度:O(1);

相关文章:

leetcode-代码随想录-哈希表-有效的字母异位词

题目 题目链接&#xff1a;242. 有效的字母异位词 - 力扣&#xff08;LeetCode&#xff09; 给定两个字符串 s 和 t &#xff0c;编写一个函数来判断 t 是否是 s 的 字母异位词。 输入: s "anagram", t "nagaram" 输出: true输入: s "rat",…...

kotlin中主构造函数是什么

一 Kotlin 中的主构造函数 主构造函数&#xff08;Primary Constructor&#xff09;是 Kotlin 类声明的一部分&#xff0c;用于在 创建对象时初始化类的属性。它不像 Java 那样是一个函数体&#xff0c;而是紧跟在类名后面。 主构造函数的基本定义 class Person(val name: S…...

Julia语言的测试覆盖率

Julia语言的测试覆盖率探讨 引言 在现代软件开发中&#xff0c;测试是确保软件质量的重要环节。随着软件的复杂度不断增加&#xff0c;测试覆盖率作为衡量测试质量的一个重要指标&#xff0c;受到了越来越多开发者的关注。Julia语言作为一种高性能的动态编程语言&#xff0c;…...

Apache httpclient okhttp(2)

学习链接 Apache httpclient & okhttp&#xff08;1&#xff09; Apache httpclient & okhttp&#xff08;2&#xff09; okhttp github okhttp官方使用文档 okhttp官方示例代码 OkHttp使用介绍 OkHttp使用进阶 译自OkHttp Github官方教程 SpringBoot 整合okHttp…...

BUUCTF-web刷题篇(10)

19.EasyMD5 md5相关内容总结&#xff1a; ①string md5(&str,raw) $str:需要计算的字符串&#xff1b; raw:指定十六进制或二进制输出格式。计算成功&#xff0c;返回md5值&#xff0c;计算失败&#xff0c;返回false。 raw参数为true&#xff1a;16个字符的二进制格式&…...

CCF GESP C++编程 五级认证真题 2025年3月

C 五级 2025 年 03 月 题号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 答案 A A B B D C A D A B C A A D B 1 单选题 第 1 题 链表不具备的特点是( )。 A. 可随机访问任何一个元素 B. 插入、删除操作不需要移动元素 C. 无需事先估计存储空间大小 D. 所需存储空间与存储元素个数成…...

【AI学习】MCP的简单快速理解

最近&#xff0c;AI界最火热的恐怕就是MCP了。作为一个新的知识点&#xff0c;学习的开始&#xff0c;先摘录一些信息&#xff0c;从发展历程、通俗介绍到具体案例&#xff0c;这样可以快速理解MCP。 MCP发展历程 来自i陆三金 Anthropic 开发者关系负责人 Alex Albert&#…...

文档处理利器Docling,基于LangChain打造RAG应用

大家好&#xff0c;人工智能应用持续发展&#xff0c;对文档信息的有效处理、理解与检索提出了更高要求。大语言模型虽已在诸多领域发挥重要作用&#xff0c;但在文档处理方面仍有提升空间。 本文将详细阐述如何整合Docling 和 LangChain&#xff0c;创建检索增强生成&#xf…...

深度学习图像分类数据集—枣子水果成熟度分类

该数据集为图像分类数据集&#xff0c;适用于ResNet、VGG等卷积神经网络&#xff0c;SENet、CBAM等注意力机制相关算法&#xff0c;Vision Transformer等Transformer相关算法。 数据集信息介绍&#xff1a;3种枣子水果成熟度数据&#xff1a;g&#xff0c;r&#xff0c;y&#…...

第五讲(上) | string类的使用

string类的使用 一、string和C风格字符串的对比二、string类的本质三、string常用的API&#xff08;注意只讲解最常用的接口&#xff09;Member constants&#xff08;成员常数&#xff09;npos Member functionsIterators——迭代器Capacity——容量reserve和resizeElement ac…...

医药流通行业AI大模型冲击下的IT从业者转型路径分析

医药流通行业AI大模型冲击下的IT从业者转型路径分析 一、行业背景与技术变革趋势 在2025年的医药流通领域&#xff0c;AI技术正以指数级速度重塑行业格局。国家药监局数据显示&#xff0c;全国药品流通企业数量已从2018年的1.3万家缩减至2024年的8,900家&#xff0c;行业集中…...

【新能源汽车整车动力学模型深度解析:面向MATLAB/Simulink仿真测试工程师的硬核指南】

1. 前言 作为MATLAB/Simulink仿真测试工程师,掌握新能源汽车整车动力学模型的构建方法和实现技巧至关重要。本文将提供一份6000+字的深度技术解析,涵盖从基础理论到Simulink实现的完整流程。内容经过算法优化设计,包含12个核心方程、6大模块实现和3种验证方法,满足SEO流量…...

Android Fresco 框架动态图支持模块源码深度剖析(七)

上一期 Android Fresco 框架兼容模块源码深度剖析(六) 本人掘金号&#xff0c;欢迎点击关注&#xff1a;https://juejin.cn/user/4406498335701950 一、引言 在 Android 开发中&#xff0c;高效处理和展示动态图&#xff08;如 GIF、WebP 动画等&#xff09;是一个常见需求。…...

蓝桥杯专项复习——双指针

目录 双指针算法&#xff1a;双指针算法-CSDN博客 最长连续不重复子序列 P8783 [蓝桥杯 2022 省 B] 统计子矩阵 双指针优化思路&#xff1a;当存在重复枚举时&#xff0c;可以考虑是否能使用双指针进行优化 双指针算法&#xff1a;双指针算法-CSDN博客 最长连续不重复子序列…...

详解大模型四类漏洞

关键词&#xff1a;大模型&#xff0c;大模型安全&#xff0c;漏洞研究 1. 引入 promptfoo&#xff08;参考1&#xff09;是一款开源大语言模型&#xff08;LLM&#xff09;测试工具&#xff0c;能对 LLM 应用进行全面漏洞测试&#xff0c;它可检测包括安全风险、法律风险在内…...

【HC-05蓝牙模块】基础AT指令测试

一、视频课程 HC-05 蓝牙模块 第2讲 二、视频课件...

文件操作(c语言)

本关任务&#xff1a;给定程序的功能是&#xff1a;从键盘输入若干行文本&#xff08;每行不超过 80 个字符&#xff09;&#xff0c;写到文件myfile4.txt中&#xff0c;用 -1&#xff08;独立一行&#xff09;作为字符串输入结束的标志。然后将文本的内容读出显示在屏幕上。文…...

Apache Camel指南-第四章:路由径构建之异常处理

摘要 Apache的骆驼提供几种不同的机制&#xff0c;让您在处理不同的粒度级别的例外&#xff1a;您可以通过处理一个路线中的异常doTry&#xff0c;doCatch以及doFinally; 或者您可以指定要采取什么行动每种类型的异常&#xff0c;并应用此规则的所有路由RouteBuilder使用onExc…...

赚钱模拟器--百宝库v0.1.0

#include<bits/stdc.h> #include<windows.h> using namespace std; int n; void welcome(); void zhuye(); int main(){welcome();zhuye();return 0; }void welcome(){cout<<"欢迎您使用更多资源-百宝库v0.1.0"<<endl;system("pause&q…...

SSL证书自动化管理(ACME协议)工作流程介绍

SSL证书自动化管理&#xff08;ACME协议&#xff09;是一种用于自动化管理SSL/TLS证书的协议&#xff0c;以下是其详细介绍&#xff1a; 一、ACME协议概述 ACME协议由互联网安全研究小组&#xff08;ISRG&#xff09;设计开发&#xff0c;旨在实现SSL证书获取流程的自动化。通…...

推理模型与普通大模型如何选择?

&#x1f44f;作者简介&#xff1a;大家好&#xff0c;我是爱吃芝士的土豆倪&#xff0c;24届校招生Java选手&#xff0c;很高兴认识大家&#x1f4d5;系列专栏&#xff1a;Spring原理、JUC原理、Kafka原理、分布式技术原理、数据库技术、JVM原理、AI应用&#x1f525;如果感觉…...

人工智能与计算机技术融合下的高中教育数字化教学模式探索

一、引言 1.1 研究背景与意义 1.1.1 教育数字化转型的国家战略需求 在当今时代&#xff0c;数字化浪潮正席卷全球&#xff0c;深刻改变着人们的生产生活方式。教育领域作为培养未来人才的重要阵地&#xff0c;也不可避免地受到数字化的影响。教育数字化转型已成为世界各国的…...

P2762 太空飞行计划问题 (网络流、最大权闭合子图问题)

P2762 太空飞行计划问题 思路&#xff1a; 今日网络流 这个题思路其实很简单&#xff0c;先说结论&#xff1a;源点连所有实验&#xff0c;容量为收益&#xff1b;实验连接对应仪器&#xff0c;容量为无穷&#xff1b;所有仪器连汇点&#xff0c;容量为费用&#xff08;注意是…...

对用户登录设计测试用例

​​一、功能测试​​ 1、正确用户名和密码​​ 输入正确的用户名和密码&#xff0c;点击提交&#xff0c;验证是否成功登录。 ​​2、错误用户名或密码​​ 输入错误的用户名或密码&#xff0c;验证登录失败&#xff0c;并提示“用户名或密码错误”。 3、​​登录…...

c语言修炼秘籍 - - 禁(进)忌(阶)秘(技)术(巧)【第四式】自定义类型详解(结构体、枚举、联合)

c语言修炼秘籍 - - 禁(进)忌(阶)秘(技)术(巧)【第四式】自定义类型详解&#xff08;结构体、枚举、联合&#xff09; 【心法】 【第零章】c语言概述 【第一章】分支与循环语句 【第二章】函数 【第三章】数组 【第四章】操作符 【第五章】指针 【第六章】结构体 【第七章】con…...

阿里巴巴langengine二次开发大模型平台

阿里巴巴LangEngine开源了&#xff01;支撑亿级网关规模的高可用Java原生AI应用开发框架 - Leepy - 博客园 阿里国际AI应用搭建平台建设之路(上) - 框架篇 基于java二次开发 目前Spring ai、spring ai alibaba 都是java版本的二次基础能力 重要的是前端工作流 如何与 服务端的…...

获取KUKA机器人诊断文件KRCdiag的方法

有时候在进行售后问题时需要获取KUKA机器人的诊断文件KRCdiag&#xff0c;通过以下方法可以获取KUKA机器人的诊断文件KRCdiag&#xff1a; 1、将U盘插到控制柜内的任意一个USB接口&#xff1b; 2、依次点【主菜单】—【文件】—【存档】—【USB&#xff08;控制柜&#xff09…...

聊聊Spring AI的MilvusVectorStore

序 本文主要研究一下Spring AI的MilvusVectorStore 示例 pom.xml <dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-vector-store-milvus</artifactId></dependency>配置 spring:ai:vectorstore:…...

前后端通信指南

HTTP 协议与 RESTful APIWebSocket 与实时通信一、前后端通信概述 前后端通信是现代 Web 开发的核心环节,前端(浏览器或移动端)需要向后端请求数据,并根据返回的数据渲染界面。常见的通信方式包括 HTTP 请求、RESTful API、WebSocket、GraphQL 等。 常见前后端通信方式 通…...

[特殊字符] 驱动开发硬核特训 · Day 2

主题&#xff1a;深入掌握 UART 与 SPI 驱动开发原理、架构与调试技术 本期围绕实际项目中应用最广泛的两类外设通信接口 —— UART&#xff08;串口&#xff09;与 SPI&#xff08;串行外设接口&#xff09;&#xff0c;通过结构化知识点梳理&#xff0c;结合实际驱动开发流程…...

B树和B+树的区别(B Tree B+ Tree)

前言 B树和B树是数据库中常用的索引结构&#xff0c;它们的核心区别主要体现在数据存储方式、节点结构和适用场景上。 关键区别详解 数据存储方式&#xff1a; B树&#xff1a;所有节点均存储键值&#xff08;key-data&#xff09;对&#xff0c;数据可能分布在树的任意层级。…...

32--当网络接口变成“夜店门口“:802.1X协议深度解码(理论纯享版本)

当网络接口变成"夜店门口"&#xff1a;802.1X协议深度解码 引言&#xff1a;网口的"保安队长"上岗记 如果把企业网络比作高端会所&#xff0c;那么802.1X协议就是门口那个拿着金属探测器的黑超保安。它会对着每个想进场的设备说&#xff1a;“请出示您的会…...

【LLM】使用MySQL MCP Server让大模型轻松操作本地数据库

随着MCP协议&#xff08;Model Context Protocol&#xff09;的出现&#xff0c;使得 LLM 应用与外部数据源和工具之间的无缝集成成为可能&#xff0c;本章就介绍如何通过MCP Server让LLM能够直接与本地的MySQL数据库进行交互&#xff0c;例如新增、修改、删除数据&#xff0c;…...

MOM成功实施分享(八)汽车活塞生产制造MOM建设方案(第一部分)

在制造业数字化转型的浪潮中&#xff0c;方案对活塞积极探索&#xff0c;通过实施一系列数字化举措&#xff0c;在生产管理、供应链协同、质量控制等多个方面取得显著成效&#xff0c;为行业提供了优秀范例。 1.转型背景与目标&#xff1a;活塞在数字化转型前面临诸多挑战&…...

程序化广告行业(59/89):广告验证与反作弊实战技巧

程序化广告行业&#xff08;59/89&#xff09;&#xff1a;广告验证与反作弊实战技巧 大家好&#xff01;在程序化广告领域&#xff0c;想要做好投放&#xff0c;除了了解基本的架构和原理&#xff0c;还得掌握一些关键的技能&#xff0c;比如广告验证和反作弊。今天就和大家一…...

市场趋势分析与交易策略调整

市场趋势分析与交易策略调整 在市场交易中&#xff0c;趋势的判断与策略的调整至关重要。不同市场环境下&#xff0c;交易者需要灵活运用技术分析和资金管理手段&#xff0c;以提升交易的稳定性。本文将探讨市场趋势的识别方法&#xff0c;以及如何在不同市场环境中调整交易策略…...

安卓离线畅玩的多款棋类单机游戏推荐

软件介绍 在手游盛行的当下&#xff0c;不少玩家在网游激战之余&#xff0c;渴望一份单机游戏带来的宁静与专注。今天要为大家介绍的&#xff0c;便是一款能满足此类需求的安卓软件 —— 棋类大师。 它巧妙地将象棋、围棋、五子棋三种经典棋类游戏集成于一身&#xff0c;且具…...

论文阅读Diffusion Autoencoders: Toward a Meaningful and Decodable Representation

原文框架图&#xff1a; 官方代码&#xff1a; https://github.com/phizaz/diffae/blob/master/interpolate.ipynb 主要想记录一下模型的推理过程 &#xff1a; %load_ext autoreload %autoreload 2 from templates import * device cuda:1 conf ffhq256_autoenc() # pri…...

医疗信息系统的主要痛点分析

医疗信息系统的主要痛点分析 1. 数据治理问题 数据标准不统一 各医院采用不同的数据格式和编码标准诊断术语、药品编码等缺乏统一规范检验检查结果的参考值范围不一致 数据质量参差不齐 数据录入不规范&#xff0c;存在大量错误和缺失历史数据清洗难度大数据更新不及时 数据安…...

Pycharm v2024.3.4 Windows Python开发工具

Pycharm v2024.3.4 Windows Python开发工具 文章目录 Pycharm v2024.3.4 Windows Python开发工具一、介绍二、效果三、下载 一、介绍 JetBrains PyCharm 是一款Python集成开发环境&#xff08;IDE&#xff09;&#xff0c;被广泛用于Python开发 二、效果 三、下载 百度网盘: …...

YOLOv12 从预训练迈向自主训练,第一步数据准备

视频讲解&#xff1a; YOLOv12 从预训练迈向自主训练&#xff0c;第一步数据准备 前面复现过yolov12&#xff0c;使用pre-trained的模型进行过测试&#xff0c;今天来讲下如何训练自己的模型&#xff0c;第一步先准备数据和训练格式 https://gitcode.com/open-source-toolkit/…...

Java 线程池全面解析

Java 线程池全面解析 一、线程池种类及优缺点 1. 常见线程池类型(通过Executors创建) 线程池类型创建方式特点适用场景缺点FixedThreadPoolExecutors.newFixedThreadPool(n)固定线程数,无界队列负载较重的服务器可能堆积大量任务导致OOMCachedThreadPoolExecutors.newCach…...

第七章 Python基础进阶-异常、模块与包(其五)

目录 一.异常 二.异常的捕获方法 1.捕获常规异常 2.捕获指定异常 3.捕获多个异常 4.异常else 5.异常的finally 三.异常的传递 四.Python模块 1.import导入模块 2.from导入模块 3.from模块名 import* 4.as定义别名 5.自定义模块 &#xff08;1&#xff09;测试模块…...

vulkanscenegraph显示倾斜模型(5.6)-vsg::RenderGraph的创建

前言 上一章深入分析了vsg::CommandGraph的创建过程及其通过子场景遍历实现Vulkan命令录制的机制。本章将在该基础上&#xff0c;进一步探讨Vulkan命令录制中的核心封装——vsg::RenderGraph。作为渲染流程的关键组件&#xff0c;RenderGraph封装了vkCmdBeginRenderPass和vkCmd…...

DelayQueue vs ScheduledThreadPool:Java定时任务的双雄争霸

定时任务管理的两种武林绝学 想象你需要管理一个跨时区的视频会议系统&#xff1a; DelayQueue 像一位严格的计时员&#xff0c;把所有会议请求按时间排序&#xff0c;到点才放行ScheduledThreadPool 像一位智能秘书&#xff0c;能主动安排、取消和调整会议时间 它们都能处理…...

Qt添加资源文件

目录 1.创建一个新项目 1.1菜单栏 添加菜单项 1.2工具栏 1.3铆接部件 1.4中心部件 1.5最终界面 2.资源文件 2.1将图片文件拷贝到项目位置下 2.2添加新文件 2.3rec.qrc文件 2.4添加前缀&#xff0c;添加文件 2.5使用 1.创建一个新项目 利用界面文件完成一个有菜单…...

U-Net: Convolutional Networks for BiomedicalImage Segmentation

Abstract 人们普遍认为&#xff0c;深度网络的成功训练需要成千上万的标注训练样本。在本文中&#xff0c;我们提出了一种网络和训练策略&#xff0c;该策略强烈依赖于数据增强&#xff0c;以更有效地利用现有的标注样本。该架构包括一个用于捕获上下文的收缩路径和一个用于实…...

28--当路由器开始“宫斗“:设备控制面安全配置全解

当路由器开始"宫斗"&#xff1a;设备控制面安全配置全解 引言&#xff1a;路由器的"大脑保卫战" 如果把网络世界比作一座繁忙的城市&#xff0c;那么路由器就是路口执勤的交通警察。而控制面&#xff08;Control Plane&#xff09;就是警察的大脑&#xf…...

NHANES指标推荐:DI-GM

文章题目&#xff1a;The relationship between dietary index for gut microbiota and diabetes DOI&#xff1a;10.1038/s41598-025-90854-y 中文标题&#xff1a;肠道菌群膳食指数与糖尿病的关系 发表杂志&#xff1a;Sci Rep 影响因子&#xff1a;1区&#xff0c;IF3.8 发表…...

仓库规划 第32次CCF-CSP计算机软件能力认证

没什么说的暴力枚举 n*n*m 的时间复杂度 题目说选序号小的作为父亲 直接编号前往后输出 遇到合适的就break #include<bits/stdc.h> using namespace std; int n, m; int main() {cin >> n >> m;//n:仓库个数 m:位置编码的维数vector<vector<int>…...