博客
关于我
LeetCode之1417. 重新格式化字符串
阅读量:269 次
发布时间:2019-03-01

本文共 1635 字,大约阅读时间需要 5 分钟。

要解决这个问题,我们需要将一个混合了数字和字母的小写字符串重新格式化,使得任意两个相邻字符的类型不同。也就是说,字母后面必须是数字,数字后面必须是字母。如果无法满足这个条件,就返回一个空字符串。

方法思路

  • 统计字符类型:首先,我们需要统计字符串中数字和字母的数量。
  • 检查可行性:如果数字和字母的数量之差的绝对值大于等于2,那么直接返回空字符串,因为无法满足重新格式化的条件。
  • 排列字符
    • 如果数字多一个或字母多一个,根据数量关系决定字符的排列顺序。
    • 如果数字和字母的数量相等,可以交替排列数字和字母。
  • 解决代码

    public String reformat(String s) {    char[] chars = s.toCharArray();    List
    digitList = new ArrayList<>(); List
    charList = new ArrayList<>(); for (char c : chars) { if (Character.isDigit(c)) { digitList.add(c); } else { charList.add(c); } } int digitSize = digitList.size(); int charSize = charList.size(); if (Math.abs(digitSize - charSize) >= 2) { return ""; } StringBuilder result = new StringBuilder(); if (digitSize == charSize) { for (int i = 0; i < digitSize; i++) { result.append(digitList.get(i)); result.append(charList.get(i)); } } else if (digitSize > charSize) { for (int i = 0; i < charSize; i++) { result.append(digitList.get(i)); result.append(charList.get(i)); } result.append(digitList.get(charSize)); } else { for (int i = 0; i < digitSize; i++) { result.append(charList.get(i)); result.append(digitList.get(i)); } result.append(charList.get(digitSize)); } return result.toString();}

    代码解释

  • 统计字符类型:遍历字符串,将数字和字母分别存入两个列表中。
  • 检查可行性:计算数字和字母的数量差,如果差值绝对值大于等于2,返回空字符串。
  • 排列字符
    • 如果数量相等,交替排列数字和字母。
    • 如果数字多一个,先排列数字,再排列字母,最后排列剩下的数字。
    • 如果字母多一个,先排列字母,再排列数字,最后排列剩下的字母。
  • 通过这种方法,我们可以确保重新格式化后的字符串满足相邻字符类型不同的条件,或者返回空字符串表示无法满足条件。

    转载地址:http://mykx.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>