Elasticsearch（ES）基础查询语法的使用

1. Match Query (全文检索查询)

  • 用于执行全文检索，适合搜索文本字段。

    {
    “query”: {
    “match”: {
    “field”: “value”
    }
    }
    }

  • match_phrase：精确匹配短语，适合用于短语搜索。

    {
    “query”: {
    “match_phrase”: {
    “field”: “text”
    }
    }
    }

2. Term Query (精确匹配查询)

  • 用于对某个字段的精确值进行查询，常用于不分词的字段（如ID、标签、关键词等）。

    {
    “query”: {
    “term”: {
    “field”: “value”
    }
    }
    }

3. Range Query (范围查询)

  • 用于查询数值、日期、时间等范围内的数据。

    {
    “query”: {
    “range”: {
    “field”: {
    “gte”: 10, // 大于等于
    “lte”: 100, // 小于等于
    “gt”: 10, // 大于
    “lt”: 100 // 小于
    }
    }
    }
    }

4. Bool Query (布尔查询)

  • 用于将多个查询组合在一起，可以使用 must、should、must_not 等操作符。

    {
    “query”: {
    “bool”: {
    “must”: [
    { “match”: { “field1”: “value1” } },
    { “match”: { “field2”: “value2” } }
    ],
    “filter”: [
    { “range”: { “price”: { “gte”: 50 } } }
    ],
    “should”: [
    { “match”: { “field3”: “value3” } }
    ],
    “must_not”: [
    { “term”: { “field4”: “value4” } }
    ]
    }
    }
    }

5. Prefix Query (前缀匹配查询)

  • 用于查询字段值的前缀匹配，常用于搜索补全或模糊搜索。

    {
    “query”: {
    “prefix”: {
    “field”: “prefix_value”
    }
    }
    }

6. Wildcard Query (通配符查询)

  • 支持*（匹配任意字符）和?（匹配单个字符）的通配符查询。

    {
    “query”: {
    “wildcard”: {
    “field”: “prefix*”
    }
    }
    }

7. Fuzzy Query (模糊查询)

  • 用于查询与某个值相似的字段，常用于容忍拼写错误的场景。

    {
    “query”: {
    “fuzzy”: {
    “field”: {
    “value”: “exampl”
    }
    }
    }
    }

8. Regexp Query (正则表达式查询)

  • 使用正则表达式进行查询。

    {
    “query”: {
    “regexp”: {
    “field”: “pattern.*”
    }
    }
    }

9. Match All Query (匹配所有文档)

  • 用于返回索引中的所有文档。

    {
    “query”: {
    “match_all”: {}
    }
    }

10. Term Range Query (字段范围查询)

  • 用于查询一个字段值在特定范围内的文档，类似 range query，但 term 查询是基于精确值的。

    {
    “query”: {
    “range”: {
    “field”: {
    “gte”: 5,
    “lte”: 10
    }
    }
    }
    }

11. Exists Query (字段存在查询)

  • 用于查询某个字段是否存在。

    {
    “query”: {
    “exists”: {
    “field”: “field_name”
    }
    }
    }

12. Geo Queries (地理位置查询)

  • Elasticsearch 支持基于地理位置的查询，如基于位置的范围查询或距离查询。

  • Geo Distance Query

    {
    “query”: {
    “bool”: {
    “filter”: {
    “geo_distance”: {
    “distance”: “200km”,
    “location”: {
    “lat”: 40.73,
    “lon”: -74.1
    }
    }
    }
    }
    }
    }

13. Aggregation (聚合查询)

  • Elasticsearch 提供了强大的聚合功能，可以对查询结果进行分组、统计等操作。

  • Terms Aggregation (分词聚合)

    {
    “aggs”: {
    “group_by_field”: {
    “terms”: {
    “field”: “field_name”
    }
    }
    }
    }

  • Range Aggregation (范围聚合)

    {
    “aggs”: {
    “price_ranges”: {
    “range”: {
    “field”: “price”,
    “ranges”: [
    { “to”: 100 },
    { “from”: 100, “to”: 200 },
    { “from”: 200 }
    ]
    }
    }
    }
    }

14. Highlighting (高亮查询)

  • 用于返回搜索结果中高亮显示匹配的字段。

    {
    “query”: {
    “match”: {
    “field”: “value”
    }
    },
    “highlight”: {
    “fields”: {
    “field”: {}
    }
    }
    }

15. Source Filtering (源字段过滤)

  • 用于控制哪些字段需要返回，哪些不需要返回。

    {
    “_source”: [“field1”, “field2”],
    “query”: {
    “match”: {
    “field”: “value”
    }
    }
    }

16. Prefix and Wildcard Query (前缀和通配符查询)

  • 用于对字段值进行前缀或通配符匹配，常用于实现补全或模糊搜索。

    {
    “query”: {
    “prefix”: {
    “field”: “prefix*”
    }
    }
    }

扩展*

匹配度查询

在 Elasticsearch 中，minimum_should_match 是布尔查询（bool query）的一部分，用于控制 should 子句的匹配度。should 子句的作用是定义一组可选条件，当文档满足其中至少一个条件时，它会被视为匹配。通过设置 minimum_should_match 参数，可以控制至少多少个 should 子句必须匹配，以提高查询的精度和灵活性。

1. 基本概念：
  • 在布尔查询中，should 子句表示可选条件。
  • 默认情况下，如果 bool 查询中有多个 should 子句，文档只需满足其中任何一个条件就可以匹配。
  • 使用 minimum_should_match 参数，可以要求文档至少满足某些数量的 should 子句，以增加查询的严格性。

例如：如果你有 5 个 should 子句，并设置 minimum_should_match 为 3，则文档必须满足其中至少 3 个 should 条件才能被视为匹配。

2. 用法：

minimum_should_match 可以设置为：

  • 整数值：指定最小匹配的 should 子句数量。
  • 百分比：指定至少要匹配的 should 子句的百分比。
  • 动态值：例如基于文档数量或其他复杂逻辑的动态匹配要求。
3. 示例：
(1) 简单的布尔查询 - 至少匹配 2 个 should 子句
{"query": {"bool": {"should": [{ "match": { "field1": "value1" } },{ "match": { "field2": "value2" } },{ "match": { "field3": "value3" } }],"minimum_should_match": 2  // 至少匹配 2 个 `should` 子句}}
}
  • 在这个例子中，文档需要匹配至少 2 个 should 子句（例如，匹配 field1 和 field2 或者 field2 和 field3）。
(2) 使用百分比的 minimum_should_match

如果你有多个 should 子句，可以通过百分比来控制匹配条件。例如，如果你有 5 个 should 子句，设置 minimum_should_match 为 60%，则至少需要满足 3 个子句。

{"query": {"bool": {"should": [{ "match": { "field1": "value1" } },{ "match": { "field2": "value2" } },{ "match": { "field3": "value3" } },{ "match": { "field4": "value4" } },{ "match": { "field5": "value5" } }],"minimum_should_match": "60%"  // 至少匹配 60% 的 `should` 子句 (即 3 个子句)}}
}
(3) 动态匹配 - 基于词数的 minimum_should_match

还可以根据查询中的词数设置 minimum_should_match，比如设置为 "3<80%"，表示如果查询中有 3 个以上的 should 子句，则至少匹配其中 80%的子句。

{"query": {"bool": {"should": [{ "match": { "field1": "value1" } },{ "match": { "field2": "value2" } },{ "match": { "field3": "value3" } },{ "match": { "field4": "value4" } },{ "match": { "field5": "value5" } }],"minimum_should_match": "3<80%"  // 如果有超过 3 个 `should` 子句，至少匹配 80%}}
}
4. 如何决定 minimum_should_match 值
  • 业务需求：设置 minimum_should_match 的主要目的是根据业务需求平衡准确度和召回率。如果你需要更严格的匹配，增加 minimum_should_match 的值；如果需要更高的召回率，可以减少它。
  • 文档内容：在处理文档时，字段的长度、词汇密度、停用词等都可能影响查询的结果。可以通过实验和调整 minimum_should_match 来找到最适合的设置。
5. 示例：

假设你有以下文档数据：

{"field1": "apple orange banana","field2": "apple orange","field3": "banana"
}

你要查找包含 “apple” 和 “orange” 的文档，并且需要设置 minimum_should_match 为 1。查询语句如下：

{"query": {"bool": {"should": [{ "match": { "field1": "apple" } },{ "match": { "field1": "orange" } },{ "match": { "field1": "banana" } }],"minimum_should_match": 1}}
}

在这个例子中，只要文档匹配一个 should 子句（比如 field1 包含 “apple” 或者 “orange”），就会被视为匹配。

6. 注意事项
  • minimum_should_match 在布尔查询中是可选的，只有当你使用了多个 should 子句时才有意义。
  • 设置的值越大，匹配条件越严格。通过调整 minimum_should_match 的值，可以灵活地调整查询的宽松程度。
  • minimum_should_match 参数可以通过数值、百分比、动态规则来设置，以适应不同的查询需求。
7. Match 查询的选项
(1) fuzziness：模糊匹配

如果你希望支持拼写错误或词语变化，可以使用 模糊查询。通过设置 fuzziness，Elasticsearch 会尝试匹配与查询词相似的词。

{"query": {"match": {"title": {"query": "Elasticsearh",  // 拼写错误"fuzziness": "AUTO"  // 自动模糊匹配}}}
}
  • fuzziness: "AUTO"：根据查询词的长度自动设置模糊匹配的编辑距离。
  • fuzziness: "1"：设置允许的最大编辑距离为 1（允许 1 个字符的更改，如替换、删除、插入）。
(2) minimum_should_match：最小匹配

在某些情况下，你可能想要求查询中至少匹配一个或多个词。minimum_should_match 可以控制需要匹配的最小词数。

{"query": {"match": {"content": {"query": "Elasticsearch tutorial advanced","minimum_should_match": 2  // 至少匹配 2 个词也可以用百分比替代示例:"60%"(指匹配总分词的百分比)}}}
}
  • minimum_should_match：设置至少要匹配多少个词。
(3) boost：提高某个词的匹配优先级

你可以通过 boost 来提高查询某些词的权重，使这些词匹配的文档更具优先级。

{"query": {"match": {"content": {"query": "Elasticsearch tutorial","boost": 2.0  // 增加查询的权重，使该查询匹配的文档优先返回}}}
}
  • boost：提高查询的匹配优先级，权重范围通常是 0 到 10，数值越大，匹配的优先级越高。
** match 查询常见问题**
(1) 如何处理大小写问题？

默认情况下，match 查询不区分大小写。Elasticsearch 会使用分词器（如 standard 分词器）将文本转为小写，因此可以处理大小写问题。

(2) match 查询与 term 查询的区别
  • match 查询：适用于文本字段的分词匹配，会分析查询文本并与字段内容进行分词对比。
  • term 查询：用于精确匹配，适用于不分词的字段（如 keyword 字段）。

聚合相关

在 Elasticsearch 中，**聚合（Aggregation）**是一个强大的功能，用于对查询结果进行分组、统计、度量等操作。聚合查询不仅可以按字段进行分组，还可以进行计算（如求和、平均值等），在数据分析和可视化中非常有用。聚合查询和普通查询（例如 match、range 查询）是分开的，但可以结合使用。

1. 聚合查询的基本结构

聚合查询通常包含在 aggs（聚合）部分。在 Elasticsearch 中，聚合查询并不返回实际的文档，而是返回聚合结果，例如每个分组的文档数量、平均值、最大值等。

聚合查询的基本结构：

{"query": {"match": {"field": "value"}},"aggs": {"aggregation_name": {"aggregation_type": {"field": "field_name"}}}
}
2. 常见的聚合类型

以下是 Elasticsearch 中常见的聚合类型：

(1) Terms 聚合（分词聚合）

按字段值进行分组统计，返回每个字段值及其出现次数。常用于进行分组查询。

{"query": {"match_all": {}},"aggs": {"group_by_field": {"terms": {"field": "field_name"}}}
}

示例：
假设你有一个名为 category 的字段，你想按类别进行分组查询，统计每个类别的文档数量。

{"query": {"match_all": {}},"aggs": {"categories": {"terms": {"field": "category.keyword"  // 使用 .keyword 进行精确匹配}}}
}
(2) Range 聚合（范围聚合）

用于按指定的数值范围对文档进行分组。适用于数值、日期等字段。

{"query": {"match_all": {}},"aggs": {"price_ranges": {"range": {"field": "price","ranges": [{ "to": 50 },{ "from": 50, "to": 100 },{ "from": 100 }]}}}
}

示例：
假设你想要按价格进行分段统计，例如分为“低于 50”、“50 到 100”以及“大于 100”三个区间。

(3) Avg 聚合（平均值聚合）

用于计算字段的平均值。

{"query": {"match_all": {}},"aggs": {"average_price": {"avg": {"field": "price"}}}
}

示例：
计算 price 字段的平均值。

(4) Sum 聚合（求和聚合）

用于计算字段的总和。

{"query": {"match_all": {}},"aggs": {"total_price": {"sum": {"field": "price"}}}
}

示例：
计算 price 字段的总和。

(5) Max 和 Min 聚合（最大值和最小值聚合）

用于计算字段的最大值和最小值。

{"query": {"match_all": {}},"aggs": {"max_price": {"max": {"field": "price"}},"min_price": {"min": {"field": "price"}}}
}

示例：
计算 price 字段的最大值和最小值。

(6) Date Histogram 聚合（日期直方图聚合）

将日期数据按时间段进行分组，常用于按天、周、月等时间单位进行聚合。

{"query": {"match_all": {}},"aggs": {"sales_over_time": {"date_histogram": {"field": "timestamp","calendar_interval": "day"  // 按天分组}}}
}

示例：
按天统计销售数据。

(7) Top Hits 聚合（获取 top N 文档）

获取符合条件的 top N 文档，通常用于获取聚合组中的部分文档，适用于展示最高分的文档。

{"query": {"match_all": {}},"aggs": {"top_categories": {"terms": {"field": "category.keyword"},"aggs": {"top_hits": {"top_hits": {"size": 3  // 返回每个类别下的前 3 个文档}}}}}
}
(8) Cardinality 聚合（基数聚合）

用于计算字段的基数（去重后的唯一值数量）。例如，统计不同的用户数或产品数。

{"query": {"match_all": {}},"aggs": {"unique_users": {"cardinality": {"field": "user_id"}}}
}

示例：
计算 user_id 字段中不重复的用户数量。

3. 聚合嵌套

聚合查询不仅可以进行单一聚合，还可以进行嵌套聚合，即在一个聚合的结果上进行进一步的聚合。下面是一个例子，展示如何在一个 terms 聚合的每个分组上执行进一步的聚合：

{"query": {"match_all": {}},"aggs": {"categories": {"terms": {"field": "category.keyword"},"aggs": {"avg_price": {"avg": {"field": "price"}}}}}
}

示例：
先按 category 分组，再计算每个类别的平均价格。

4. 聚合结果的格式

聚合查询的结果会包含在 aggregations（或 aggs）字段中。结果结构通常类似于下面的格式：

{"aggregations": {"categories": {"buckets": [{"key": "electronics",  // 分组的字段值"doc_count": 100,      // 每个分组的文档数量"avg_price": {"value": 300         // 每个分组的聚合结果，如平均价格}},{"key": "clothing","doc_count": 80,"avg_price": {"value": 50}}]}}
}

聚合结果：

  • buckets：每个分组的结果集合。
  • key：分组的字段值。
  • doc_count：该分组中的文档数量。
  • 聚合结果（例如 avg_price）：聚合操作的结果。
5. 聚合的性能优化
  • 避免过多的 terms 聚合：terms 聚合会对字段值进行分组，可能会消耗大量内存和计算资源。对于高基数字段（如用户ID），考虑限制返回的分组数量。
  • 限制返回的文档数量：可以通过 size 参数来限制每个分组返回的文档数量，避免过多数据返回。
  • 减少聚合的嵌套深度：过多层次的嵌套聚合会增加 Elasticsearch 的计算负担，尽量保持聚合的平面结构。

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/5272.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

AutoGen入门——快速实现多角色、多用户、多智能体对话系统

AutoGen入门——快速实现多角色、多用户、多智能体对话系统

1.前言 如https://github.com/microsoft/autogen所述&#xff0c;autogen是一多智能体的框架&#xff0c;属于微软旗下的产品。 依靠AutoGen我们可以快速构建出一个多智能体应用&#xff0c;以满足我们各种业务场景。 本文将以几个示例场景&#xff0c;使用AutoGen快速构建出…
阅读更多...
项目中使用的是 FastJSON（com.alibaba:fastjson）JSON库

项目中使用的是 FastJSON（com.alibaba:fastjson）JSON库

从你的 pom.xml 文件中可以看到&#xff0c;项目明确依赖了以下 JSON 库&#xff1a; FastJSON&#xff1a; <dependency><groupId>com.alibaba</groupId><artifactId>fastjson</artifactId><version>1.2.47</version> </depende…
阅读更多...
EAMM: 通过基于音频的情感感知运动模型实现的一次性情感对话人脸合成

EAMM: 通过基于音频的情感感知运动模型实现的一次性情感对话人脸合成

EAMM: 通过基于音频的情感感知运动模型实现的一次性情感对话人脸合成 1所有的材料都可以在EAMM: One-Shot Emotional Talking Face via Audio-Based Emotion-Aware Motion Model网站上找到。 摘要 尽管音频驱动的对话人脸生成技术已取得显著进展&#xff0c;但现有方法要么忽…
阅读更多...
cuda从零开始手搓PB神经网络

cuda从零开始手搓PB神经网络

cuda实现PB神经网络 基于上一篇的矩阵点乘&#xff0c;实现了矩阵的加减乘除、函数调用等。并且复用之前元编程里面写的梯度下降、Adam、NAdam优化方法。实现PB神经网络如下&#xff1a; #ifndef __BP_NETWORK_HPP__ #define __BP_NETWORK_HPP__ #include "matrix.hpp&quo…
阅读更多...
【Java数据结构】排序

【Java数据结构】排序

【Java数据结构】排序 一、排序1.1 排序的概念1.2 排序的稳定性1.3 内部排序和外部排序1.3.1 内部排序1.3.2 外部排序 二、插入排序2.1 直接插入排序2.2 希尔排序 三、选择排序3.1 选择排序3.2 堆排序 四、交换排序4.1 冒泡排序4.2 快速排序Hoare法&#xff1a;挖坑法&#xff…
阅读更多...
内存 管理

内存 管理

1、如何在LCD上面实现SD卡文件浏览&#xff1f; 需要读取所有文件名到内存&#xff0c;方法是定义一个数组才存储所有文件名。&#xff08;最大文件名的长度和文件个数&#xff09; 2、内存管理是什么&#xff1f; 指软件运行时对MCU内存资源的分配和使用的技术。要实现两个函…
阅读更多...
1月21日星期二今日早报简报微语报早读

1月21日星期二今日早报简报微语报早读

1月21日星期二&#xff0c;农历腊月廿二&#xff0c;早报#微语早读。 1、多地官宣&#xff1a;2025年可有序、限时或在限定区域燃放烟花爆竹&#xff1b; 2、TikTok恢复在美服务&#xff1b;特朗普提出继续运营TikTok方案&#xff0c;外交部&#xff1a;若涉及收购中国企业应…
阅读更多...
深度学习python基础(第三节) 函数、列表

深度学习python基础(第三节) 函数、列表

本节主要介绍函数、列表的基本语法格式。 函数 与c语言的函数差不多&#xff0c;就是语法基本格式不同。 name "loveyou" length len(name) print("字符串的长度为&#xff1a;%d" % length) # 自定义函数 def countstr(data):count 0for i in da…
阅读更多...
STM32 FreeROTS Tickless低功耗模式

STM32 FreeROTS Tickless低功耗模式

低功耗模式简介 FreeRTOS 的 Tickless 模式是一种特殊的运行模式&#xff0c;用于最小化系统的时钟中断频率&#xff0c;以降低功耗。在 Tickless 模式下&#xff0c;系统只在有需要时才会启动时钟中断&#xff0c;而在无任务要运行时则完全进入休眠状态&#xff0c;从而降低功…
阅读更多...
65，【5】buuctf web [SUCTF 2019]Upload Labs 2

65，【5】buuctf web [SUCTF 2019]Upload Labs 2

进入靶场 1,源代码 点击题目时有个就有个admin.php <?php // 引入配置文件 include config.php;class Ad{public $cmd;public $clazz;public $func1;public $func2;public $func3;public $instance;public $arg1;public $arg2;public $arg3;// 构造函数&#xff0c;用于初…
阅读更多...
Apache Tomcat文件包含漏洞复现(详细教程)

Apache Tomcat文件包含漏洞复现(详细教程)

1.漏洞原理 Tomcat 服务器是一个免费的开放源代码的Web 应用服务器&#xff0c;其安装后会默认开启ajp连接器&#xff0c;方便与其他web服务器通过ajp协议进行交互。属于轻量级应用服务器&#xff0c;在中小型系统和并发访问用户不是很多的场合下被普遍使用&#xff0c;是开发…
阅读更多...
springboot基于安卓的智启教育服务平台app

springboot基于安卓的智启教育服务平台app

基于Spring Boot的智启教育服务平台App是一个结合了Spring Boot后端框架与安卓前端技术的综合性教育服务平台。 一、技术背景与架构 1.开发语言&#xff1a;后端采用Java语言开发&#xff0c;充分利用Java的跨平台性、面向对象特性和强大的后端处理能力。前端则使用安卓开发技…
阅读更多...
我的创作纪念日，纪念我的第512天

我的创作纪念日，纪念我的第512天

目录 年末 年初 入围 博客 变动 生活 期待 年末 很快&#xff0c;2024年已经过去了&#xff0c;本想在跨年夜的时候营造一点小小的仪式感&#xff0c;结果也因为身体的原因放弃了&#xff0c;浑身感觉疼痛&#xff0c;躺在床上&#xff0c;闭上眼睛&#xff0c;什么也不…
阅读更多...
2025/1/21 学习Vue的第四天

2025/1/21 学习Vue的第四天

睡觉。 --------------------------------------------------------------------------------------------------------------------------------- 11.Object.defineProperty 1.在我们之前学习JS的时候&#xff0c;普通得定义一个对象与属性。 <!DOCTYPE html> <h…
阅读更多...
卸载和安装Git小乌龟、git基本命令

卸载和安装Git小乌龟、git基本命令

卸载 Git 打开控制面板&#xff1a; 按 Win R 打开运行对话框&#xff0c;输入 control 并按回车键。或直接在功能搜索里搜索“控制面板”。在控制面板中&#xff0c;选择“程序”或“程序和功能”。 查找并卸载 Git&#xff1a; 在程序列表中找到“Git”或“Git for Windows…
阅读更多...
OSI5GWIFI自组网协议层次对比

OSI5GWIFI自组网协议层次对比

目录 5G网络5G与其他协议栈各层映射 5G网络 物理层 (PHY) 是 5G 基站协议架构的最底层&#xff0c;负责将数字数据转换为适合无线传输的信号&#xff0c;并将接收到的无线信号转换为数字数据。实现数据的编码、调制、多天线处理、资源映射等操作。涉及使用新的频段&#xff08…
阅读更多...
ThinkPHP 8的多对多关联

ThinkPHP 8的多对多关联

【图书介绍】《ThinkPHP 8高效构建Web应用》-CSDN博客 《2025新书 ThinkPHP 8高效构建Web应用 编程与应用开发丛书 夏磊 清华大学出版社教材书籍 9787302678236 ThinkPHP 8高效构建Web应用》【摘要 书评 试读】- 京东图书 使用VS Code开发ThinkPHP项目-CSDN博客 编程与应用开…
阅读更多...
可视化-numpy实现线性回归和梯度下降法

可视化-numpy实现线性回归和梯度下降法

代码如下&#xff1a; import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from matplotlib.patches import Patch# 生成二维输入数据 np.random.seed(0) X1 2 * np.random.rand(100, 1) # 第一个特征 X2 3 * np.random.rand(10…
阅读更多...
python_在钉钉群@人员发送消息

python_在钉钉群@人员发送消息

python_在钉钉群人员发送消息 1、第一种 企业内部机器人群聊实现人接入指南&#xff0c;适用于群机器人接收消息&#xff0c;处理完一系列的动作之后&#xff0c;将消息返回给发消息的人员&#xff0c;同时该人员。 需要在企微后台新建一个自建应用&#xff0c;在自建应用里…
阅读更多...
递归练习六（普通练习11-15）

递归练习六（普通练习11-15）

一、例题 1、有效数独 36. 有效的数独 - 力扣&#xff08;LeetCode&#xff09; 2、填数独 37. 解数独 - 力扣&#xff08;LeetCode&#xff09; 3、单词搜索 79. 单词搜索 - 力扣&#xff08;LeetCode&#xff09; 4、黄金矿工 1219. 黄金矿工 - 力扣&#xff08;LeetCod…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023