算法沉淀——二分查找（leetcode真题剖析）

在这里插入图片描述

算法沉淀——二分查找

  • 01.二分查找
  • 02.在排序数组中查找元素的第一个和最后一个位置
  • 03.搜索插入位置
  • 04.x 的平方根
  • 05.山脉数组的峰顶索引
  • 06.寻找峰值
  • 07.寻找旋转排序数组中的最小值
  • 08.LCR 173. 点名

二分查找（Binary Search）是一种在有序数组中查找特定元素的算法。该算法的基本思想是通过每一次比较，将查找范围缩小一半，最终找到目标元素或者确定目标元素不存在。

二分查找的步骤：

  1. 初始化： 定义两个指针，left 和 right，分别指向数组的起始和结束位置。
  2. 循环条件： 在 left <= right 的条件下，执行以下步骤。
  3. 计算中间位置： 计算中间位置的索引 mid，可以使用 mid = (left + right) / 2 或者 mid = left + (right - left) / 2。这样可以防止整数溢出。
  4. 比较中间元素： 将目标元素与数组中间位置的元素进行比较。
    • 如果目标元素等于中间元素，查找成功，返回中间元素的索引。
    • 如果目标元素小于中间元素，说明目标元素可能在左半部分，更新 right = mid - 1。
    • 如果目标元素大于中间元素，说明目标元素可能在右半部分，更新 left = mid + 1。
  5. 重复步骤： 回到步骤 3，直到 left 大于 right，此时查找范围为空，表示目标元素不存在。

二分查找的优势：

  • 效率高： 由于每一次比较都将查找范围减半，二分查找的时间复杂度是 O(log n)，其中 n 是数组的长度。
  • 适用条件： 二分查找要求数组必须是有序的，但在有序数组中查找元素时，它是一种非常高效的算法。

二分查找的局限性：

  • 必须有序（大多数情况下）： 二分查找要求数组是有序的，如果数组是无序的，需要先进行排序。
  • 不适用于链表： 二分查找通常用于数组，对于链表结构，由于无法直接通过下标访问元素，不太适用。
  • 只能查找特定值： 二分查找主要用于查找特定值，对于查找范围不明确的情况，可能不太合适。

二分查找的应用场景：

  • 在有序数组中查找特定元素。
  • 寻找有序数组中的上下界。
  • 在数值范围内寻找满足条件的值。

二分查找基本模板

朴素版（适用于最基础的二分）

while(left<=right){int mid=left+(right-left)/2;if(条件)left=mid+1;else if(条件)right=mid-1;elsereturn ...;
}

全能版（均可适用）

①查找左边界

while(left<right){int mid=left+(right-left)/2;if(条件)left=mid+1;elseright=mid;
}

②查找右边界

while(left<right){int mid=left+(right-left+1)/2;if(条件)left=mid;elseright=mid-1;
}

全能版的写法需要根据不同的情况做出相应改变，比如这里的中间值为什么要+1再除，是因为最下面的条件mid-1,如果没有-1，那么上面也不需要+1，这样做是为了防止进入死循环，这个模板仅供参考，切勿死记硬背，实践出真知，适合自己的才最重要。

01.二分查找

题目链接：https://leetcode.cn/problems/binary-search/

给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。
示例 1:

输入: nums = [-1,0,3,5,9,12], target = 9
输出: 4
解释: 9 出现在 nums 中并且下标为 4

示例 2:

输入: nums = [-1,0,3,5,9,12], target = 2
输出: -1
解释: 2 不存在 nums 中因此返回 -1

思路

这里就是最基础的朴素二分，我们直接写上去就可以了，不熟悉二分最好自己动手写一遍，对后面的二分题就会有更深入的了解，打牢基础。

  1. 初始化两个指针 left 和 right 分别指向数组的起始位置和结束位置。
  2. 在 while 循环中，通过计算中间位置 mid（避免整数溢出的写法），对比中间元素与目标元素的大小关系，从而缩小查找范围。
    • 如果 nums[mid] > target，说明目标元素可能在左半部分，更新 right = mid - 1。
    • 如果 nums[mid] < target，说明目标元素可能在右半部分，更新 left = mid + 1。
    • 如果 nums[mid] == target，找到目标元素，返回 mid。
  3. 循环直到 left 大于 right，此时查找范围为空，返回 -1 表示目标元素不存在。

代码

class Solution {
public:int search(vector<int>& nums, int target) {int left=0,right=nums.size()-1;while(left<=right){int mid = left+(right-left)/2;if(nums[mid]>target) right=mid-1;else if(nums[mid]<target) left=mid+1;else return mid;}return -1;}
};

02.在排序数组中查找元素的第一个和最后一个位置

题目链接：https://leetcode.cn/problems/find-first-and-last-position-of-element-in-sorted-array/

给你一个按照非递减顺序排列的整数数组 nums，和一个目标值 target。请你找出给定目标值在数组中的开始位置和结束位置。

如果数组中不存在目标值 target，返回 [-1, -1]。

你必须设计并实现时间复杂度为 O(log n) 的算法解决此问题。

示例 1：

输入：nums = [5,7,7,8,8,10], target = 8
输出：[3,4]

示例 2：

输入：nums = [5,7,7,8,8,10], target = 6
输出：[-1,-1]

示例 3：

输入：nums = [], target = 0
输出：[-1,-1]

思路

这里题目指定时间复杂度为 O(log n) 的算法，说明就是要让我们使用二分的算法，这里需要注意两个问题，第一个是边界问题，避免死循环，第二就是这里找两个值，我们可以分成两个二分来找，这样我们可以将逻辑捋清楚，这里模板中左边界与有边界两个版本都能用上。

  1. 首先，判断数组是否为空，如果为空，则直接返回 {-1, -1}，表示目标元素不存在于数组中。
  2. 利用二分查找找到目标元素的起始位置，首先在数组中找到第一个大于等于 target 的元素的位置。这个过程通过维护两个指针 left 和 right，在循环中不断缩小查找范围，最终 left 的位置就是目标元素的起始位置。
  3. 如果找到的 nums[left] 不等于 target，说明目标元素不存在，返回 {-1, -1}。
  4. 如果找到了目标元素的起始位置 begin，则重置 left 和 right，利用二分查找找到目标元素的结束位置。在这一步中，找到第一个大于 target 的位置的前一个位置，即 right。
  5. 返回结果，即目标元素的起始位置和结束位置。

代码

class Solution {
public:vector<int> searchRange(vector<int>& nums, int target) {if(!nums.size()) return {-1,-1};int left=0,right=nums.size()-1;while(left<right){int mid=left+(right-left)/2;if(nums[mid]<target) left=mid+1;else right=mid;}if(nums[left]!=target) return {-1,-1};int begin=left;left=0,right=nums.size()-1;while(left<right){int mid=left+(right-left+1)/2;if(nums[mid]<=target) left=mid;else right=mid-1;}return {begin,right};}
};

03.搜索插入位置

题目链接：https://leetcode.cn/problems/search-insert-position/

给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。如果目标值不存在于数组中，返回它将会被按顺序插入的位置。

请必须使用时间复杂度为 O(log n) 的算法。

示例 1:

输入: nums = [1,3,5,6], target = 5
输出: 2

示例 2:

输入: nums = [1,3,5,6], target = 2
输出: 1

示例 3:

输入: nums = [1,3,5,6], target = 7
输出: 4

思路

和上一题一样，题目指定时间复杂度为 O(log n) 的算法，说明就是要让我们使用二分的算法，这里我们直接使用左边界二分即可，注意边界问题，比如target值大于最后一个值，需要考虑。

  1. 初始化两个指针 left 和 right 分别指向数组的起始位置和结束位置。
  2. 在 while 循环中，通过计算中间位置 mid（避免整数溢出的写法），对比中间元素与目标元素的大小关系，从而缩小查找范围。
    • 如果 nums[mid] < target，说明目标元素可能在右半部分，更新 left = mid + 1。
    • 如果 nums[mid] >= target，说明目标元素可能在左半部分，更新 right = mid。
  3. 循环直到 left >= right，此时 left 就是插入位置，因为 left 所指的元素是第一个大于或等于 target 的元素。
  4. 最后判断 nums[left] 与 target 的关系：
    • 如果 nums[left] < target，则插入位置在 left + 1。
    • 否则，插入位置在 left。
  5. 返回插入位置。

代码

class Solution {
public:int searchInsert(vector<int>& nums, int target) {int left=0,right=nums.size()-1;while(left<right){int mid = left+(right-left)/2;if(nums[mid]<target) left=mid+1;else right=mid;}if(nums[left]<target) return left+1;return left;}
};

04.x 的平方根

题目链接：https://leetcode.cn/problems/sqrtx/

给你一个非负整数 x ，计算并返回 x 的 算术平方根 。

由于返回类型是整数，结果只保留 整数部分 ，小数部分将被 舍去 。

**注意：**不允许使用任何内置指数函数和算符，例如 pow(x, 0.5) 或者 x ** 0.5 。

示例 1：

输入：x = 4
输出：2

示例 2：

输入：x = 8
输出：2
解释：8 的算术平方根是 2.82842..., 由于返回类型是整数，小数部分将被舍去。

思路

这里我们使用二分是在暴力循环的基础上改进而来的，需要注意的是边界问题和溢出问题

  1. 首先，判断 x 的值，如果小于 1，则直接返回 0，因为在非负整数范围内不存在小于 1 的平方根。
  2. 初始化两个指针 left 和 right，分别指向 1 和 x。
  3. 在 while 循环中，通过计算中间位置 mid（使用 (right - left + 1) / 2 避免整数溢出），对比中间元素的平方与 x 的大小关系，从而缩小查找范围。
    • 如果 mid * mid <= x，说明目标平方根可能在右半部分，更新 left = mid。
    • 如果 mid * mid > x，说明目标平方根可能在左半部分，更新 right = mid - 1。
  4. 循环直到 left >= right，此时 left 或 right 就是平方根的整数部分。
  5. 返回 right。

代码

class Solution {
public:int mySqrt(int x) {if(x<1) return 0;int left=1,right=x;while(left<right){long long mid = left+(right-left+1)/2;if(mid*mid<=x) left=mid;else right=mid-1;}return right;}
};

05.山脉数组的峰顶索引

题目链接：https://leetcode.cn/problems/peak-index-in-a-mountain-array/

符合下列属性的数组 arr 称为 山脉数组 ：

  • arr.length >= 3
  • 存在i（0 < i < arr.length - 1）使得：
    • arr[0] < arr[1] < ... arr[i-1] < arr[i]
    • arr[i] > arr[i+1] > ... > arr[arr.length - 1]

给你由整数组成的山脉数组 arr ，返回满足 arr[0] < arr[1] < ... arr[i - 1] < arr[i] > arr[i + 1] > ... > arr[arr.length - 1] 的下标 i 。

你必须设计并实现时间复杂度为 O(log(n)) 的解决方案。

示例 1：

输入：arr = [0,1,0]
输出：1

示例 2：

输入：arr = [0,2,1,0]
输出：1

示例 3：

输入：arr = [0,10,5,2]
输出：1

思路

看到这题很多并不会想到使用二分去做，因为概念里写的使用二分一定要有序，但是这里是可以使用二分的思想来做这道题的，所以我们要将思路打开，根据题意这里山顶不会是左右的边界值，所以这里我们只要使用二分找出数组的最大值就行了

  1. 初始化两个指针 left 和 right，分别指向二分的起始位置和结束位置（边界不需要考虑）。
  2. 在 while 循环中，通过计算中间位置 mid（使用 (right - left) / 2 避免整数溢出），对比中间元素与其右侧元素的大小关系，从而缩小查找范围。
    • 如果 arr[mid] < arr[mid + 1]，说明峰值可能在右半部分，更新 left = mid + 1。
    • 如果 arr[mid] >= arr[mid + 1]，说明峰值可能在左半部分，更新 right = mid。
  3. 循环直到 left >= right，此时 left 或 right 就是山脉数组的峰值。
  4. 返回 right。

这个算法的核心思想是通过二分查找，在山脉数组中找到峰值的索引。在山脉数组中，峰值是指一个位置左侧的元素严格单调递增，右侧的元素严格单调递减的位置。因此，通过比较中间元素与其右侧元素的大小关系，可以缩小查找范围，最终找到峰值的位置。

代码

class Solution {
public:int peakIndexInMountainArray(vector<int>& arr) {int left=1,right=arr.size()-2;while(left<right){int mid = left+(right-left)/2;if(arr[mid]<arr[mid+1]) left=mid+1;else right=mid;}return right;}
};

06.寻找峰值

题目链接：https://leetcode.cn/problems/find-peak-element/

峰值元素是指其值严格大于左右相邻值的元素。

给你一个整数数组 nums，找到峰值元素并返回其索引。数组可能包含多个峰值，在这种情况下，返回 任何一个峰值 所在位置即可。

你可以假设 nums[-1] = nums[n] = -∞ 。

你必须实现时间复杂度为 O(log n) 的算法来解决此问题。

示例 1：

输入：nums = [1,2,3,1]
输出：2
解释：3 是峰值元素，你的函数应该返回其索引 2。

示例 2：

输入：nums = [1,2,1,3,5,6,4]
输出：1 或 5 
解释：你的函数可以返回索引 1，其峰值元素为 2；或者返回索引 5， 其峰值元素为 6。

思路

基本和上一题的二分思想是一致的，但是这里需要考虑边界问题，因此不能直接去除首尾。

  1. 初始化两个指针 left 和 right，分别指向数组的起始位置和结束位置。
  2. 在 while 循环中，通过计算中间位置 mid（使用 (right - left) / 2 避免整数溢出），对比中间元素与其右侧元素的大小关系，从而缩小查找范围。
    • 如果 nums[mid] < nums[mid + 1]，说明峰值可能在右半部分，更新 left = mid + 1。
    • 如果 nums[mid] >= nums[mid + 1]，说明峰值可能在左半部分，更新 right = mid。
  3. 循环直到 left >= right，此时 left 或 right 就是无序数组的峰值。
  4. 返回 left。

代码

class Solution {
public:int findPeakElement(vector<int>& nums) {int left=0,right=nums.size()-1;while(left<right){int mid = left+(right-left)/2;if(nums[mid]<nums[mid+1]) left=mid+1;else right=mid;}return left;}
};

07.寻找旋转排序数组中的最小值

题目链接：https://leetcode.cn/problems/find-minimum-in-rotated-sorted-array/

已知一个长度为 n 的数组，预先按照升序排列，经由 1 到 n 次 旋转 后，得到输入数组。例如，原数组 nums = [0,1,2,4,5,6,7] 在变化后可能得到：

  • 若旋转 4 次，则可以得到 [4,5,6,7,0,1,2]
  • 若旋转 7 次，则可以得到 [0,1,2,4,5,6,7]

注意，数组 [a[0], a[1], a[2], ..., a[n-1]] 旋转一次 的结果为数组 [a[n-1], a[0], a[1], a[2], ..., a[n-2]] 。

给你一个元素值 互不相同 的数组 nums ，它原来是一个升序排列的数组，并按上述情形进行了多次旋转。请你找出并返回数组中的 最小元素 。

你必须设计一个时间复杂度为 O(log n) 的算法解决此问题。

示例 1：

输入：nums = [3,4,5,1,2]
输出：1
解释：原数组为 [1,2,3,4,5] ，旋转 3 次得到输入数组。

示例 2：

输入：nums = [4,5,6,7,0,1,2]
输出：0
解释：原数组为 [0,1,2,4,5,6,7] ，旋转 3 次得到输入数组。

示例 3：

输入：nums = [11,13,15,17]
输出：11
解释：原数组为 [11,13,15,17] ，旋转 4 次得到输入数组。

思路

这里我们使用二分法使用中间值与最右边的值相比较，若中间值大，说明最小值一定在右边，反之在左边，这里使用二分法不用考虑数组旋转了几次。

  1. 初始化两个指针 left 和 right，分别指向数组的起始位置和结束位置。
  2. 记录数组最右侧元素的值为 x，作为旋转的轴。这个轴元素是数组的最小元素。
  3. 在 while 循环中，通过计算中间位置 mid（使用 (right - left) / 2 避免整数溢出），对比中间元素与 x 的大小关系，从而缩小查找范围。
    • 如果 nums[mid] > x，说明最小元素可能在右半部分，更新 left = mid + 1。
    • 如果 nums[mid] <= x，说明最小元素可能在左半部分或就是 mid 位置，更新 right = mid。
  4. 循环直到 left >= right，此时 left 或 right 就是数组中的最小元素所在的位置。
  5. 返回 nums[left]。

代码

class Solution {
public:int findMin(vector<int>& nums) {int left=0,right=nums.size()-1;int x=nums[right];while(left<right){int mid=left+(right-left)/2;if(nums[mid]>x) left=mid+1;else right=mid;}return nums[left];}
};

08.LCR 173. 点名

题目链接：https://leetcode.cn/problems/que-shi-de-shu-zi-lcof/

某班级 n 位同学的学号为 0 ~ n-1。点名结果记录于升序数组 records。假定仅有一位同学缺席，请返回他的学号。

示例 1:

输入: records = [0,1,2,3,5]
输出: 4

示例 2:

输入: records = [0, 1, 2, 3, 4, 5, 6, 8]
输出: 7

思路

这道题其实有多种解法，我们使用二分解决可以效率非常高，这里只需要注意边界问题，即最大学号缺席。

  1. 初始化两个指针 left 和 right，分别指向数组的起始位置和结束位置。
  2. 在 while 循环中，通过计算中间位置 mid（使用 (right - left) / 2 避免整数溢出），对比中间元素 records[mid] 与 mid 的大小关系，从而缩小查找范围。
    • 如果 records[mid] == mid，说明漏考勤的学生可能在右半部分，更新 left = mid + 1。
    • 如果 records[mid] != mid，说明漏考勤的学生可能在左半部分或就是 mid 位置，更新 right = mid。
  3. 循环直到 left >= right，此时 left 或 right 就是漏考勤的学生的位置。
  4. 返回 right == records[right] ? right + 1 : right。

代码

class Solution {
public:int takeAttendance(vector<int>& records) {int left=0,right=records.size()-1;while(left<right){int mid = left + (right-left)/2;if(records[mid]==mid) left=mid+1;else right=mid;}return right==records[right]?right+1:right;}
};

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/247632.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

wordpress找不回密码怎么办？4种方法设置新密码

wordpress找不回密码怎么办？4种方法设置新密码

有些WordPress站长太久不登录后台了&#xff0c;所以就忘记了管理员登录密码&#xff0c;这种情况我们应该怎么找回密码呢&#xff1f;或者设置一个新密码呢&#xff1f;下面boke112百科就跟大家分享4种方法设置WordPress新密码。 方法一、登录页面的“忘记密码&#xff1f;”…
阅读更多...
在Windows上安装与配置Apache服务并结合内网穿透工具实现公网远程访问本地内网服务

在Windows上安装与配置Apache服务并结合内网穿透工具实现公网远程访问本地内网服务

文章目录 前言1.Apache服务安装配置1.1 进入官网下载安装包1.2 Apache服务配置 2.安装cpolar内网穿透2.1 注册cpolar账号2.2 下载cpolar客户端 3. 获取远程桌面公网地址3.1 登录cpolar web ui管理界面3.2 创建公网地址 4. 固定公网地址 前言 Apache作为全球使用较高的Web服务器…
阅读更多...
Linux服务器配置与管理（第二次实验）

Linux服务器配置与管理（第二次实验）

实验目的及具体要求 目的 1.掌握基于命令行的文件操作 2.掌握基于命令行的目录操作 3.掌握用户账户的命令行操作 4.掌握组账户的命令行操作 5.熟悉磁盘分区操作 6.掌握调整优先级的方法 具体要求 1.掌握基于命令行的文件和目录操作 ①创建测试目录 ②创建文件 ③复…
阅读更多...
代码随想录算法训练营DAY6 | 哈希表(1)

代码随想录算法训练营DAY6 | 哈希表(1)

DAY5休息一天&#xff0c;今天重启~ 哈希表理论基础&#xff1a;代码随想录 Java hash实现 &#xff1a;java 哈希表-CSDN博客 一、LeetCode 242 有效的字母异位词 题目链接&#xff1a;242.有效的字母异位词 思路&#xff1a;设置字典 class Solution {public boolean isAnag…
阅读更多...
设计模式：简单工厂模式

设计模式：简单工厂模式

工厂设计模式属于创建型模式&#xff0c;它提供了一种创建对象的最佳方式。工厂模式提供了一种创建对象的方式&#xff0c;而无需指定要创建的具体类。工厂模式属于创建型模式&#xff0c;它在创建对象时提供了一种封装机制&#xff0c;将实际创建对象的代码与使用代码分离。 …
阅读更多...
腾讯云幻兽帕鲁服务器创建教程，附4核16G服务器价格表

腾讯云幻兽帕鲁服务器创建教程，附4核16G服务器价格表

腾讯云0基础搭建帕鲁服务器4C16G14M服务器稳定无卡顿&#xff0c;先下载SteamCMD&#xff0c;并运行&#xff1b;然后下载Palserver&#xff0c;修改服务ini配置&#xff0c;启动PalServer&#xff0c;进入游戏服务器。腾讯云百科txybk.com分享腾讯云创建幻兽帕鲁服务器教程&am…
阅读更多...
LabVIEW准分子激光器控制系统

LabVIEW准分子激光器控制系统

LabVIEW准分子激光器控制系统是为了实现准分子激光光源在工业、医疗和科研领域的应用集成及其功能的扩展。系统由PC端和激光器端两部分构成&#xff0c;通过光隔离的RS232通讯连接&#xff0c;以实现稳定可靠的控制与通信。 系统主要由微控制单元&#xff08;MCU&#xff09;主…
阅读更多...
【算法专题】动态规划综合篇

【算法专题】动态规划综合篇

动态规划7.0 1. 最长公共子序列2. 不相交的线3. 不同的子序列4. 通配符匹配5. 正则表达式匹配6. 交错字符串7. 两个字符串的最小ASCII删除和8. 最长重复子数组 1. 最长公共子序列 题目链接 -> Leetcode -1143.最长公共子序列 Leetcode -1143.最长公共子序列 题目&#xf…
阅读更多...
堆的概念，性质及其实现

堆的概念，性质及其实现

1.堆的概念及结构 如果有一个关键码的集合K { &#xff0c; &#xff0c; &#xff0c;…&#xff0c; }&#xff0c;把它的所有元素按完全二叉树的顺序存储方式存储在一个一维数组中&#xff0c;并满足&#xff1a; < 且 < ( > 且 > ) i 0&#xff0c;1&#x…
阅读更多...
Java RC4加密算法

Java RC4加密算法

一、RC4加密算法 在密码学中&#xff0c;RC4&#xff08;来自Rivest Cipher 4的缩写&#xff09;是一种流加密算法&#xff0c;密钥长度可变。它加解密使用相同的密钥&#xff0c;因此也属于对称加密算法。 百度百科 - RC4&#xff1a;https://baike.baidu.com/item/RC4/34545…
阅读更多...
JavaEE 网络原理

JavaEE 网络原理

JavaEE 网络原理 文章目录 JavaEE 网络原理1. 网络互连1.1 局域网LAN1.2 广域网WAN 2. 网络通信基础2.1 IP地址2.2 端口号 3. 网络协议3.1 概念3.2 五元组3.3 协议分层3.4 TCP/IP 五层模型3.5 封装和分用 1. 网络互连 随着时代的发展&#xff0c;需要多个计算机协同工作来完成…
阅读更多...
Docker安装RcoketMQ

Docker安装RcoketMQ

1、Docker安装RcoketMQ-4.9.4 在同级文件夹创建目录config&#xff0c;并在里面创建文件broker.conf&#xff0c;文件内容如下&#xff1a; brokerClusterNameDefaultCluster brokerNamebroker-a brokerId0 deleteWhen04 fileReservedTime48 brokerRoleASYNC_MASTER flushDis…
阅读更多...
Java项目：基于SSM框架实现的高校毕业生就业管理系统（ssm+B/S架构+源码+数据库+毕业论文）

Java项目：基于SSM框架实现的高校毕业生就业管理系统（ssm+B/S架构+源码+数据库+毕业论文）

一、项目简介 本项目是一套ssm817基于SSM框架实现的高校毕业生就业管理系统&#xff0c;主要针对计算机相关专业的正在做毕设的学生与需要项目实战练习的Java学习者。 包含&#xff1a;项目源码、数据库脚本等&#xff0c;该项目附带全部源码可作为毕设使用。 项目都经过严格调…
阅读更多...
Qlik Sense : IntervalMatch(离散匹配)

Qlik Sense : IntervalMatch(离散匹配)

什么是IntervalMatch IntervalMatch 前缀用于创建表格以便将离散数值与一个或多个数值间隔进行匹配&#xff0c;并且任选匹配一个或多个额外关键值。 语法&#xff1a; IntervalMatch (matchfield)(loadstatement | selectstatement ) IntervalMatch (matchfield,keyfield…
阅读更多...
Docker部署Stable-Diffusion-webui

Docker部署Stable-Diffusion-webui

前排提示&#xff1a;如果不想折腾&#xff0c;可直接跳到最后获取封装好的容器&#xff0c;一键运行 :D 前言 乘上AI生成的快车&#xff0c;一同看看沿途的风景。 启一个miniconda容器 docker run -itd -v 宿主机内SD项目路径:/tmp --gpus all --ipc host -p 7860:7860 con…
阅读更多...
正则匹配 | 正则实际应用探索分享

正则匹配 | 正则实际应用探索分享

这并不是一篇教正则基础的文章&#xff0c;其正则式不能对您进行使用后的结果负责&#xff0c;请以研究的眼光看待本篇文章。 技术就是懒人为了更好的懒才会想办法搞的东西&#xff0c;我最近因为某些原因需要频繁删除注释 我就想到通过替换的正则功能快速删除文件中的简单注…
阅读更多...
RT-Thread: STM32 SPI使用流程

RT-Thread: STM32 SPI使用流程

1.添加驱动 ①点开设置界面 ②勾选看门 SPI 驱动 ③点击保存 ④查看添加的驱动文件 drv_spi.c 2.打开驱动头文件定义 ①打开配置文件 ②打开定义 3.打开需要开启的SPI总线 打开 drivers 目录下的 board.h 用SPI搜索&#xff0c;找到如下文字&#xff0c;打开对应的宏。 /*-…
阅读更多...
上门服务小程序|预约上门服务系统开发有哪些功能？

上门服务小程序|预约上门服务系统开发有哪些功能？

在现代快节奏的生活中&#xff0c;压力和疲劳常常困扰着我们。为了缓解这种状况&#xff0c;越来越多的人选择去按摩店进行放松。然而&#xff0c;繁忙的工作和家庭责任往往让我们无法抽出时间去按摩店。在这种情况下&#xff0c;上门按摩服务应运而生。而随着科技的发展&#…
阅读更多...
Niushop 开源商城 v5.1.7：支持PC、手机、小程序和APP多端电商的源码

Niushop 开源商城 v5.1.7：支持PC、手机、小程序和APP多端电商的源码

Niushop 系统是一款基于 ThinkPHP6 开发的电商系统，提供了丰富的功能和完善的商品机制。该系统支持普通商品和虚拟商品，并且针对虚拟商品还提供了完善的核销机制。同时，它也支持新时代的商业模式，如拼团、分销和多门店砍价等营销活动。 配送方式方面，Niushop 系统支持物流…
阅读更多...
JAVAEE初阶 网络编程(六)

JAVAEE初阶 网络编程(六)

TCP协议 一. 四次挥手二. 连接管理过程中TCP状态的变化2.1 listen状态2.2 established状态2.3 CLOSE_WAIT状态2.4 TIME_WAIT状态 三. 滑动窗口3.1 ack丢了3.2 数据丢了 一. 四次挥手 我们都知道&#xff0c;在三次握手中是可以把中间步骤合并成一个步骤执行&#xff0c;那么在四…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023