新闻详情

新闻详情

首页 / 资讯中心 / 详情

DeepSeek LeetCode 151. 反转字符串中的单词 Java实现

发布时间:2026/11/15 2:24:05来源:尧图网络
DeepSeek    LeetCode 151. 反转字符串中的单词 Java实现
思路题目要求反转字符串中单词的顺序并处理多余空格前导、尾随、单词间多个空格。核心步骤去除首尾空格并将单词间的多个空格压缩为单个空格。反转单词顺序用单个空格连接。两种常用解法· split 倒序拼接利用 trim() 和 split(“\s”) 得到单词数组再从后往前拼接。· 双指针手动扫描从字符串末尾向前遍历跳过空格截取单词追加到结果中最后去掉末尾多余空格。代码方法一split 倒序拼接简洁classSolution{publicStringreverseWords(Strings){// 去除首尾空格并按一个或多个空白字符分割String[]wordss.trim().split(\\s);StringBuildersbnewStringBuilder();for(intiwords.length-1;i0;i--){sb.append(words[i]);if(i0){sb.append( );}}returnsb.toString();}}方法二双指针从后往前扫描不依赖 split更高效classSolution{publicStringreverseWords(Strings){StringBuildersbnewStringBuilder();intis.length()-1;while(i0){// 跳过空格while(i0s.charAt(i) ){i--;}if(i0)break;// 确定当前单词的右边界intrighti;// 向左找到单词的左边界while(i0s.charAt(i)! ){i--;}// 此时单词范围是 s[i1, right]sb.append(s.substring(i1,right1));sb.append( );}// 删除最后一个多余的空格if(sb.length()0){sb.deleteCharAt(sb.length()-1);}returnsb.toString();}}关键点trim() 必须调用否则 split(“\s”) 遇到前导空格会产生空字符串元素。使用 \s 而非 \s 匹配一个或多个空白字符能正确处理单词间的多个空格。倒序拼接时空格控制只在单词之间添加空格最后一个单词后不加。双指针法边界i 0 的判断要仔细截取单词时用 substring(i 1, right 1)。Java 字符串不可变两种方法都返回新字符串空间复杂度均为 O(n)。示例走一遍s hello world · 方法一· trim() → “hello world”· split(“\s”) → [“hello”, “world”]· 倒序拼接 → “world hello”· 方法二· 从后向前先跳过尾部空格找到 “world”追加 world · 继续跳过空格找到 “hello”追加 hello · 删除末尾空格 → “world hello”复杂度· 时间复杂度O(n)每个字符最多被访问一次。· 空间复杂度O(n)存储结果字符串方法一额外使用单词数组方法二只使用 StringBuilder。易错点· 忘记 trim()导致结果开头出现多余空格或空单词。· 使用 split( ) 处理多个连续空格时会产生空字符串元素。· 拼接时在最后一个单词后也加了空格导致结果尾部有空格。· 双指针法中i 的移动和单词边界的计算容易出错建议画图验证。· 题目保证至少有一个单词但若字符串全为空格trim() 后为空需额外处理LeetCode 151 不会出现全空格情况。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉