博客
关于我
largeGroupPositions-较大分组的位置
阅读量:659 次
发布时间:2019-03-15

本文共 1437 字,大约阅读时间需要 4 分钟。

为了解决这个问题,我们需要找出字符串中所有较大分组的区间。较大分组是指由连续的三个或更多相同字符组成的分组。我们将这些区间按起始位置下标递增顺序排序后返回结果。

方法思路

  • 初始化变量:我们用 startend 来记录当前分组的起始和结束位置。
  • 遍历字符串:从字符串的第二个字符开始遍历。如果当前字符和前一个字符相同,则继续当前分组,否则检查当前分组的长度是否满足条件。
  • 记录分组:当分组长度满足条件时,将其记录下来,并重置 startend 为当前字符的位置。
  • 处理最后一个分组:在遍历结束后,检查最后一个分组是否满足条件。
  • 排序结果:将结果按起始位置排序后返回。
  • 解决代码

    import java.util.ArrayList;import java.util.List;class Solution {    public List
    > largeGroupPositions(String s) { List
    > res = new ArrayList<>(); int start = 0; int end = 0; for (int i = 1; i < s.length(); i++) { if (s.charAt(i) == s.charAt(i - 1)) { end++; } else { if (end - start + 1 >= 3) { res.add(new ArrayList<>()); res.get(res.size() - 1).add(start); res.get(res.size() - 1).add(end); } start = end + 1; end = start; } } // 处理最后一个分组 if (end - start + 1 >= 3) { res.add(new ArrayList<>()); res.get(res.size() - 1).add(start); res.get(res.size() - 1).add(end); } return res; }}

    代码解释

  • 初始化变量startend 初始化为 0,用于记录当前分组的起始和结束位置。
  • 遍历字符串:从第二个字符开始遍历。如果当前字符和前一个字符相同,继续当前分组,否则检查当前分组长度。
  • 记录分组:当分组长度大于等于 3 时,记录分组的起始和结束位置,并重置 startend 为当前字符的位置。
  • 处理最后一个分组:在遍历结束后,检查最后一个分组是否满足条件,并记录。
  • 返回结果:将结果按起始位置排序后返回。
  • 这个方法确保了我们能准确地找到所有较大分组,并按要求排序返回结果。

    转载地址:http://dejmz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>