22_快速diff算法

news2024/11/7 17:54:15

目录

    • 处理相同的前置元素和后置元素
    • 处理相同的前置元素和后置元素-挂载
    • 处理相同的前置元素和后置元素-卸载
    • 判断是否需要进行 DOM 移动操作
    • 如何移动元素

处理相同的前置元素和后置元素

快速 diff 算法是需要经过预处理的,什么是预处理呢?我们来看一下下面这个例子:

  • oldChildren:p-1、p-2、p-3
  • newChildren:p-1、p-4、p-2、p-3

在这个例子中,p-1 在新旧两组子节点中,就属于相同的前置节点,p-2、p-3 就属于相同的后置节点。而对于相同的即表示他们在新旧两组子节点中的相对顺序不变,只需要进行打补丁即可。

对于前置节点,我们可以设置一个变量 j 为索引,从 0 开始,用来指向两组子节点的开头。并开启一个 while 循环,让索引 j 进行递增,直到遇到不相同的节点为止,如下:

function patchKeyedChildren(c1, c2, container) {
  // 处理相同的前置节点
  let j = 0
  let oldVNode = c1[j]
  let newVNode = c2[j]

  // while 循环,向后遍历,直到遇到不一样的节点为止
  while (isSameVNodeType(oldVNode, newVNode)) {
    // 打补丁
    patch(oldVNode, newVNode, container)
    // 更新索引
    j++
    // 更新节点
    oldVNode = c1[j]
    newVNode = c2[j]
  }
}

当这段代码运行完毕之后,j 的值为 1,此时我们还需要处理相同的后置节点,思路也是一样的。不过由于新旧两组子节点的数量可能不一致,所以在处理相同的后置节点时,我们需要两个索引 newEnd 和 oldEnd,然后再开启一个 while 循环来处理,如下:

function patchKeyedChildren(c1, c2, container) {
  // 处理相同的前置节点
  let j = 0
  let oldVNode = c1[j]
  let newVNode = c2[j]

  // while 循环,向后遍历,直到遇到不一样的节点为止
  while (isSameVNodeType(oldVNode, newVNode)) {
    // 打补丁
    patch(oldVNode, newVNode, container)
    // 更新索引
    j++
    // 更新节点
    oldVNode = c1[j]
    newVNode = c2[j]
  }

  // 处理相同的后置节点
  let oldEnd = c1.length - 1
  let newEnd = c2.length - 1
  oldVNode = c1[oldEnd]
  newVNode = c2[newEnd]

  while (isSameVNodeType(oldVNode, newVNode)) {
    // 打补丁
    patch(oldVNode, newVNode, container)
    // 更新索引
    oldEnd--
    newEnd--
    // 更新节点
    oldVNode = c1[oldEnd]
    newVNode = c2[newEnd]
  }
}

处理相同的前置元素和后置元素-挂载

而处理完成相同的前置和后置节点之后,就不难发现,在我们这个例子中只存在一个 p-4,是一个新增节点。而 j、oldEnd、newEnd 三个索引分别对应的值是 1、0、1。

那么具体是如何得出 p-4 是一个新增节点的呢?我们看一下下面两种情况:

  • oldEnd 小于 j 时,说明在处理的过程中,所有的旧子节点都处理完成了
  • newEnd 大于或等于 j 时,说明在预处理的过程后,在新的一组节点中,仍然有未被处理的节点,而这些节点都是新增节点。

如果上面两个情况作为条件都成立的话,说明存 newChildren 中遗留的节点都是新增节点。

根据这个分析,我们可以根据这个条件来设置新增的分支,如下:

function patchKeyedChildren(c1, c2, container) {
  // 省略

  // 预处理完毕之后,如果满足以下条件,则进行新增
  if (j > oldEnd && j <= newEnd) {
    // 获取锚点的位置
    const nextPos = newEnd + 1
    // 获取锚点元素
    const anchor = nextPos < c2.length ? c2[nextPos].el : null
    // 进行循环遍历,依次新增节点
    while (j <= newEnd) {
      patch(null, c2[j++], container, anchor)
    }
  }
}

处理相同的前置元素和后置元素-卸载

我们再来看一下存在多余节点的情况,如下:

  • oldChildren:p-1、p-2、p-3
  • newChildren:p-1、p-3

按照这个例子,执行后的 j、oldEnd、newEnd 结果为 1、1、0。而此时 oldEnd 大于或者 j,则表示旧子节点还没有处理完成,newEnd 小于 j 则表示新子节点已经处理完成了,那么旧子节点中多余的部分则需要卸载,如下:

function patchKeyedChildren(c1, c2, container) {
  // 省略

  // 预处理完毕之后,如果满足以下条件,则进行新增
  if (j > oldEnd && j <= newEnd) {
    // 获取锚点的位置
    const nextPos = newEnd + 1
    // 获取锚点元素
    const anchor = nextPos < c2.length ? c2[nextPos].el : null
    // 进行循环遍历,依次新增节点
    while (j <= newEnd) {
      patch(null, c2[j++], container, anchor)
    }
  } else if (oldEnd >= j && j > newEnd) {
    // 进行循环遍历,依次卸载节点
    while (j <= oldEnd) {
      unmount(c1[j++])
    }
  }
}

判断是否需要进行 DOM 移动操作

在上述的论述中,我们只采用了一个简单的例子来进行演示,下面我们将采用一个复杂一些的例子来进行演示,如图:

在这里插入图片描述

而这个例子经过预处理之后,状态如图:

在这里插入图片描述

此时就可以看到,预处理之后,新旧两组子节点都存在未处理的节点,这种情况就需要判断一个节点是否需要移动,如果不需要移动,则判断是需要被添加还是被移除的节点。

因此我们需要新开一个分支来处理这个情况,如下:

function patchKeyedChildren(c1, c2, container) {
  // 省略

  if (j > oldEnd && j <= newEnd) {
    const nextPos = newEnd + 1
    const anchor = nextPos < c2.length ? c2[nextPos].el : null
    while (j <= newEnd) {
      patch(null, c2[j++], container, anchor)
    }
  } else if (oldEnd >= j && j > newEnd) {
    while (j <= oldEnd) {
      unmount(c1[j++])
    }
  } else {
    // 新的一组节点中剩余需要处理节点的数量
    const count = newEnd - j + 1
    // 构造 source 数组
    const source = new Array(count)
    source.fill(-1)
  }
}

source 数组将会用来存储新的一组子节点中的节点在旧的一组子节点中的位置索引,后面将会使用它计算出一个最长递增子序列,并用于辅助完成 DOM 移动的操作。如图:

在这里插入图片描述

该图表示 p-3 在 oldChildren 中的索引为 2,依次类推,p-7 由于在 oldChildren 没有,所以为 -1。而如果得到这个结果,我们需要使用双重 for 循环来填充,如下:

function patchKeyedChildren(c1, c2, container) {
  // 省略

  if (j > oldEnd && j <= newEnd) {
    const nextPos = newEnd + 1
    const anchor = nextPos < c2.length ? c2[nextPos].el : null
    while (j <= newEnd) {
      patch(null, c2[j++], container, anchor)
    }
  } else if (oldEnd >= j && j > newEnd) {
    while (j <= oldEnd) {
      unmount(c1[j++])
    }
  } else {
    // 新的一组节点中剩余需要处理节点的数量
    const count = newEnd - j + 1
    // 构造 source 数组
    const source = new Array(count)
    source.fill(-1)

    // 设置起始索引
    const oldStart = j
    const newStart = j
    // 遍历 oldChildren
    for (let i = oldStart; i <= oldEnd; i++) {
      const oldVNode = c1[i]
      // 遍历 newChildren
      for (let k = newStart; k <= newEnd; k++) {
        const newVNode = c2[k]
        if (isSameVNodeType(oldVNode, newVNode)) {
          // 打补丁
          patch(oldVNode, newVNode, container)
          // 设置 source 数组
          //  - 这里记录的是中间那部分没有被预处理的节点部分,是一个相对索引
          source[k - newStart] = i
        }
      }
    }
  }
}

这里为什么说是相对索引呢,source 是从 0 开始的,而未处理的节点就未必是从 0 开始的,所以记录一个相对索引。

当然出于优化的目的,这里使的是嵌套 for 循环的速度不是很好,所以我们可以通过索引表来解决。如下:

function patchKeyedChildren(c1, c2, container) {
  // 省略

  if (j > oldEnd && j <= newEnd) {
    // 省略
  } else if (oldEnd >= j && j > newEnd) {
    // 省略
  } else {
    // 新的一组节点中剩余需要处理节点的数量
    const count = newEnd - j + 1
    // 构造 source 数组
    const source = new Array(count)
    source.fill(-1)

    // 设置起始索引
    const oldStart = j
    const newStart = j

    // 构建索引表
    const keyIndex = {}
    for (let i = newStart; i <= newEnd; i++) {
      // 以 vnode 的 key 属性为键,在 newChildren 中的索引为值
      keyIndex[c2[i].key] = i
    }

    // 遍历 oldChildren 中未处理的节点
    for (let i = oldStart; i <= oldEnd; i++) {
      const oldVNode = c1[i]
      // 通过 旧节点的 key 在索引表中获取索引值
      const k = keyIndex[oldVNode.key]

      if (k !== undefined) {
        const newVNode = c2[k]
        // 打补丁
        patch(oldVNode, newVNode, container)
        // 更新 source 数组-记录下这个新节点在 oldChildren 中的索引位置
        source[k - newStart] = i
      } else {
        // 如果索引不存在,说明这个旧的vnode在 newChildren 中不存在,说明该节点需要卸载
        unmount(oldVNode)
      }
    }
  }
}

虽然还是使用了两个 for 循环,但不再是嵌套的关系,所以性能会有所提升。

现在我们的目光就要聚焦到如何实现元素的移动上面,其实快速 diff 算法和简单 diff 算法的移动逻辑是类似的,如下:

function patchKeyedChildren(c1, c2, container) {
  // 省略

  if (j > oldEnd && j <= newEnd) {
    // 省略
  } else if (oldEnd >= j && j > newEnd) {
    // 省略
  } else {
    const count = newEnd - j + 1
    const source = new Array(count)
    source.fill(-1)

    const oldStart = j
    const newStart = j
    // 新增两个变量
    let moved = false
    // 表示在遍历 oldChildren 的过程中,遇到的最大索引值 k
    let pos = 0

    const keyIndex = {}
    for (let i = newStart; i <= newEnd; i++) {
      // 这个 i 是 newChildren 中真实的索引
      keyIndex[c2[i].key] = i
    }

    // 遍历旧的 oldChildren
    for (let i = oldStart; i <= oldEnd; i++) {
      // 获取旧的虚拟节点
      const oldVNode = c1[i]
      // 使用旧节点的 key 去新节点中寻找
      const k = keyIndex[oldVNode.key]

      // 如果存在则复用
      if (k !== undefined) {
        // 根据索引表记录的 index 获取新的虚拟节点
        const newVNode = c2[k]
        patch(oldVNode, newVNode, container)
        source[k - newStart] = i

        // 判断这个复用的节点是否需要移动
        //  - 即采用类似递增索引的方式来判断是否需要移动
        //  - 判断当前新节点的索引 k 是否大于上一次在 oldChildren 遍历过程中遇到的最大索引 pos
        //  - 一但 k 小于上一次遍历时记录的pos,则表示破坏了连续递增的规律,所以需要移动
        if (k < pos) {
          // 需要移动
          moved = true
        } else {
          // 无需移动,更新最大索引 pos
          pos = k
        }
      } else {
        unmount(oldVNode)
      }
    }
  }
}

除此之外,我们还需要一个数量标识,代表已经更新过的节点数量。我们知道,已经已经更新过的节点数量应该小于新的一组节点需要更新的节点数量,一但前者超过后者,则说明有多余的节点,需要将其卸载,如下:

function patchKeyedChildren(c1, c2, container) {
  // 省略

  if (j > oldEnd && j <= newEnd) {
    // 省略
  } else if (oldEnd >= j && j > newEnd) {
    // 省略
  } else {
    const count = newEnd - j + 1
    const source = new Array(count)
    source.fill(-1)

    const oldStart = j
    const newStart = j
    let moved = false
    let pos = 0

    const keyIndex = {}
    for (let i = newStart; i <= newEnd; i++) {
      keyIndex[c2[i].key] = i
    }

    // 记录更新过的节点的数量
    let patched = 0
    for (let i = oldStart; i <= oldEnd; i++) {
      const oldVNode = c1[i]
      if (patched <= count) {
        const k = keyIndex[oldVNode.key]

        if (k !== undefined) {
          const newVNode = c2[k]
          patch(oldVNode, newVNode, container)
          source[k - newStart] = i

          if (k < pos) {
            moved = true
          } else {
            pos = k
          }
        } else {
          unmount(oldVNode)
        }
      } else {
        // 如果更新过的节点数量大于需要更新的节点数量,则说明剩下的 oldChildren 中的节点都是需要卸载的
        unmount(oldVNode)
      }
    }
  }
}

如何移动元素

在上一步,我们已经分辨出了需要移动的节点,那具体如何移动呢?我们可以来创建一下这部分的逻辑,如下:

function patchKeyedChildren(c1, c2, container) {
  // 省略

  if (j > oldEnd && j <= newEnd) {
    // 省略
  } else if (oldEnd >= j && j > newEnd) {
    // 省略
  } else {
    // 省略

    for (let i = oldStart; i <= oldEnd; i++) {
      // 省略
    }

    if (moved) {
      // 如果 moved 为 true,则需要进行 DOM 移动
    }
  }
}

首先我们需要根据 source 数组求出最长递增子序列。关于这个概念以及如何实现这个算法不在本文赘述。

source 在之前是图中,我们可以知道记录的结果是 [2, 3, 1, -1],那么他的最长递增子序列是 [2, 3],然后我们要得到这个 2 和 3 所对应的索引,所以结果应该是 [0, 1],如下:

if (moved) {
  const seq = lis(source) // [0, 1]
}

有了最长递增子序列之后,我们需要重新对节点进行编码,如图:

在这里插入图片描述

可以看到,在重新编码之后,忽略了 p-1 和 p-5,将 p-2 设置为了索引为 0,以此类推。重新编号的意义是为了让子序列 seq 与新的索引值产生对应关系,最长递增子序列有一个重要的意义,即子序列 [0, 1],它的含义是:在新的一组子节点中,重新编号后索引值为 0 和 1 的这两个节点,在更新后节点顺序没有变化,不需要移动

为了完成这个移动,我们需要创建两个索引值 i 和 s:

  • 索引 i 指向新的一组子节点中的最后一个节点
  • 索引 s 指向最长递增子序列中的最后一个元素

如图:

在这里插入图片描述

上图去掉了一些不相关的节点和变量,接下来,我们将使用一个 for 循环来让其按照图中所示进行移动,如下:

if (moved) {
  const seq = lis(source)

  // s 指向最长递增子序列的最后一个元素的索引
  let s = seq.length - 1
  // i 指向新的一组子节点的最后一个节点的索引
  let i = count - 1
  // 从后向前遍历,依次处理需要移动的节点
  for (i; i >= 0; i--) {
    if (i !== seq[s]) {
      // 如果节点的索引 i 不等于最长递增子序列的最后一个元素的索引 s
      // 则说明该节点需要移动
    } else {
      // 如果节点的索引 i 等于最长递增子序列的最后一个元素的索引 s
      // 则说明该节点不需要移动,更新 s 的值
      s--
    }
  }
}

接下来我们还需要处理 -1 的情况,即新增的情况,如下:

if (moved) {
  const seq = lis(source)
  let s = seq.length - 1
  let i = count - 1
  for (i; i >= 0; i--) {
    if (source[i] === -1) {
      // 如果为 -1,说明该节点是新增的
      // 获取这个新增节点在 newChildren 中的位置索引
      const pos = i + newStart
      const newVNode = c2[pos]
      // 这个节点的下一个节点位置索引
      const nextPos = pos + 1
      // 获取锚点元素
      const anchor = nextPos < c2.length ? c2[nextPos].el : null
      // 挂载
      patch(null, newVNode, container, anchor)
    } else if (i !== seq[s]) {
      // 移动
    } else {
      s--
    }
  }
}

新节点创建完毕之后,索引 i 会往上走一步,如图:

在这里插入图片描述

这次遍历明显是不需要挂载的,seq[s] 的值是 1,而 i 的值是 2,所以不相等,需要进行移动,移动的方法是一致的,如下:

if (moved) {
  const seq = lis(source)
  let s = seq.length - 1
  let i = count - 1
  for (i; i >= 0; i--) {
    if (source[i] === -1) {
      // 省略
    } else if (i !== seq[s]) {
      // 获取这个节点在 newChildren 中的位置索引
      const pos = i + newStart
      const newVNode = c2[pos]
      // 这个节点的下一个节点位置索引
      const nextPos = pos + 1
      // 获取锚点元素
      const anchor = nextPos < c2.length ? c2[nextPos].el : null
      // 移动
      hostInsert(newVNode.el, container, anchor)
    } else {
      s--
    }
  }
}

后面的步骤以此类推即可,关于求最长递增子序列,我们这里就直接贴出 vue 中的源码,如下:

// https://en.wikipedia.org/wiki/Longest_increasing_subsequence
function getSequence(arr) {
	const p = arr.slice()
	const result = [0]
	let i, j, u, v, c
	const len = arr.length
	for (i = 0; i < len; i++) {
		const arrI = arr[i]
		if (arrI !== 0) {
			j = result[result.length - 1]
			if (arr[j] < arrI) {
				p[i] = j
				result.push(i)
				continue
			}
			u = 0
			v = result.length - 1
			while (u < v) {
				c = (u + v) >> 1
				if (arr[result[c]] < arrI) {
					u = c + 1
				} else {
					v = c
				}
			}
			if (arrI < arr[result[u]]) {
				if (u > 0) {
					p[i] = result[u - 1]
				}
				result[u] = i
			}
		}
	}
	u = result.length
	v = result[u - 1]
	while (u-- > 0) {
		result[u] = v
		v = p[v]
	}
	return result
}

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.coloradmin.cn/o/2229554.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Redis-事务、锁

文章目录 数据库的事务、锁介绍数据库的锁数据库的事务 Redis的事务介绍Redis的事务操作例子Redis的锁介绍1. 加锁2. 释放锁乐观锁和悲观锁悲观锁&#xff08;Pessimistic Locking&#xff09;乐观锁&#xff08;Optimistic Locking&#xff09;Redis中的锁机制 3. Redlock算法…

微服务基础拆分实践(第一篇)

目录 前言 一、认识微服务 1.1 单体架构 VS 微服务架构 1.2 微服务的集大成者&#xff1a;SpringCloud 1.3 微服务拆分原则 1.4 微服务拆分方式 二、微服务拆分入门步骤 &#xff1a;以拆分商品模块为例 三、服务注册订阅与远程调用&#xff1a;以拆分购物车为例 3.1 …

【NOIP普及组】 过河卒

【NOIP普及组】 过河卒 &#x1f490;The Begin&#x1f490;点点关注&#xff0c;收藏不迷路&#x1f490; 如图&#xff0c;A 点有一个过河卒&#xff0c;需要走到目标 B 点。卒行走规则&#xff1a;可以向下、或者向右。同时在棋盘上的任一点有一个对方的马&#xff08;如上…

功能强大视频编辑软件 Movavi Video Editor Plus 2024 v24.2.0 中文特别版

Movavi Video Editor Plus中文修改版是一款功能强大的视频制作编辑软件&#xff0c;使用能够帮助用户快速从录制的素材中制作成一个精美的电影&#xff0c;支持进行视频剪辑&#xff0c;支持添加背影、音乐和各种音乐&#xff0c;软件使用简单&#xff0c;无需任何的经验和专业…

linux基本指令之文件操作

前言 这次博客的主要目的就是要解决如何快速查看或查找文件&#xff0c;以及讲解文件的一些属性。本次博客还是以基本指令为主来理解linux对文件的操作。 linux下输入输出流的理解 在linux中&#xff0c;我们要对文件进行输入输出时&#xff0c;一般会怎么做呢? 可以通过pr…

JavaEE初阶---网络原理值TCP篇(三)

文章目录 1.延时应答机制2.捎带应答3.面向字节流---粘包问题3.1问题引入3.2解决方法 4.异常情况的处理5.TCP的心跳机制6.TCP/UDP的对比 1.延时应答机制 例如我们的这个剩余空间大小10kb,如果我们直接返回ack,这个发送方的窗口大小只能是10kb&#xff0c;但是如果我们进行延时&…

慢sql优化和Explain解析

要想程序跑的快&#xff0c;sql优化不可懈怠&#xff01;今日来总结一下常用的慢sql的分析和优化的方法。 1、慢sql的执行分析&#xff1a; 大家都知道分析一个sql语句执行效率的方法是用explain关键词&#xff1a; 举例&#xff1a;sql:select * from test where bussiness_…

Java后端面试内容总结

先讲项目背景&#xff0c;再讲技术栈模块划分&#xff0c; 讲业务的时候可以先讲一般再特殊 为什么用这个&#xff0c;好处是什么&#xff0c;应用场景 Debug发现问题/日志发现问题. QPS TPS 项目单元测试&#xff0c;代码的变更覆盖率达到80%&#xff0c;项目的复用性高…

【10月】新款3DMAX插件排行榜

根据近期的行业动态和插件发布情况&#xff0c;整理并推荐一些在10月或近期内受到关注的3DMAX新款插件。 1. MaxToCAD插件 功能特点&#xff1a;允许用户将3D MAX中的三维模型快速转换为CAD软件可识别的二维平面图&#xff0c;适用于需要将3D设计导出为施工图或平面图的设计师…

【数据结构与算法】第7课—数据结构之队列

文章目录 1. 队列1.1 什么是队列1.2 队列的结构1.3 队列初始化1.4 队列入栈1.5 出队列1.6 查找队列有效元素个数1.7 取队头和队尾数据1.8 销毁链表 2. 用两个队列实现栈3. 用两个栈实现队列4. 循环队列 1. 队列 注&#xff1a;文中Queue是队列&#xff0c;Quene是错误写法 1.1 …

window快捷键:window + v 打开剪切板历史记录 / 非常实用

一、剪切板历史记录功能介绍 1.1、window v 打开剪切板历史记录 / 文字、图片都可记录 1.2、window v 最近使用 1.3、window v 表情符号 1.4、window v GIF 1.5、window v 颜文字 1.6、window v 符号 二、欢迎交流指正

手机功耗异常大数据看板建设

一、背景 基于《软件绿色联盟应用体验标准—功耗标准》监控软硬件资源功耗异常类别与趋势 上述为手机功耗问题的前世今生及我们应该在哪些维度建立功耗的埋点监控支持分析​ 二、目标 手机端侧建立alarm\wakelock\wakeup\gps\bt\cpu\sensor\netTriffic等功耗相关的使用次数和时…

多彩电子显示屏

在仓储管理的广阔舞台上&#xff0c;一款名为“仓库46代”的创新标签悄然登场&#xff0c;它不仅是技术的飞跃&#xff0c;更是智慧仓储的新篇章。这款标签&#xff0c;以其独特的515.6x260x29mm身材&#xff0c;优雅地融入了繁忙的仓库环境&#xff0c;其沉稳的黑色外观&#…

sklearn|机器学习:决策树(一)

文章目录 sklearn&#xff5c;机器学习&#xff1a;决策树&#xff08;一&#xff09;&#xff08;一&#xff09;概述&#xff08;二&#xff09;实战1. 环境配置2. sklearn 中的决策树&#xff08;1&#xff09;模块 sklearn.tree&#xff08;2&#xff09;sklearn 基本建模流…

服务器Linux系统网络重启失败 Restarting network (via systemctl):......

网络重启时报错&#xff1a; Linux 网络服务重启失败可能由网络配置工具冲突或配置错误引起。 冲突问题&#xff1a;在 Linux 中&#xff0c;network 和 NetworkManager 这两个工具可能会冲突&#xff0c;禁用 NetworkManager 可以尝试解决该问题。 先停止服务 systemctl s…

域控操作二十四:主域故障辅域接替

模拟环境&#xff1a;上海DC1故障无法开机&#xff0c;导致只有一个DNS的电脑无法上网&#xff08;实际可以添加DC2但是为了实验就不说了&#xff09; FSMO还在DC1上 使用powershell把角色迁移到DC2 ntdsutil roles connections connect to server DC2SHA.whbk.cn quitSeize …

边缘AI计算技术应用-实训解决方案

一、解决方案架构 1.1 来自产业的项目 实训项目全部是基于产业的商业化项目&#xff0c;经过角色拆解、任务拆解、代码拆解、部署流程拆解等过程&#xff0c;讲其标准化为教师可以带领学生完成的实训内容&#xff0c;真正帮助学生接触产业前沿技术和工作内容&#xff0c;提升就…

贪心算法习题其二【力扣】【算法学习day.18】

前言 ###我做这类文档一个重要的目的还是给正在学习的大家提供方向&#xff08;例如想要掌握基础用法&#xff0c;该刷哪些题&#xff1f;&#xff09;我的解析也不会做的非常详细&#xff0c;只会提供思路和一些关键点&#xff0c;力扣上的大佬们的题解质量是非常非常高滴&am…

【Axure原型分享】颜色选择器——填充颜色

今天和大家分享颜色选择器——填充颜色的原型模板&#xff0c;点击颜色区域可以弹出颜色选择器&#xff0c;点击可以选择对应颜色&#xff0c;颜色区域会变色我们选择的颜色&#xff0c;具体效果可以观看下方视频或者打开预览地址体验。 【原型效果】 【Axure高保真原型】颜色…

SQL实战训练之,力扣:1843. 可疑银行账户

目录 一、力扣原题链接 二、题目描述 三、建表语句 四、题目分析 五、SQL解答 六、最终答案 七、验证 八、知识点 一、力扣原题链接 1843. 可疑银行账户 二、题目描述 表: Accounts ---------------------- | Column Name | Type | ---------------------- | acco…