动态规划之子数组系列

news2024/12/24 0:05:34

子数组系列

  • 1. 环形⼦数组的最⼤和
  • 2. 乘积最大子数组
  • 3. 等差数列划分
  • 4. 最长湍流子数组
  • 5. 单词拆分
  • 6. 环绕字符串中唯⼀的子字符串

1. 环形⼦数组的最⼤和

1.题目链接：环形⼦数组的最⼤和
2.题目描述：给定一个长度为 n 的环形整数数组 nums ，返回 nums 的非空 子数组 的最大可能和 。
环形数组 意味着数组的末端将会与开头相连呈环状。形式上， nums[i] 的下一个元素是 nums[(i + 1) % n] ， nums[i] 的前一个元素是 nums[(i - 1 + n) % n] 。
子数组 最多只能包含固定缓冲区 nums 中的每个元素一次。形式上，对于子数组 nums[i], nums[i + 1], …, nums[j] ，不存在 i <= k1, k2 <= j 其中 k1 % n == k2 % n 。

示例 1：

输入：nums = [1,-2,3,-2]
输出：3
解释：从子数组 [3] 得到最大和 3

示例 2：

输入：nums = [5,-3,5]
输出：10
解释：从子数组 [5,5] 得到最大和 5 + 5 = 10

示例 3：

输入：nums = [3,-2,2,-3]
输出：3
解释：从子数组 [3] 和 [3,-2,2] 都可以得到最大和 3

提示：

n == nums.length
1 <= n <= 3 * 10^4
-3 * 10^4 <= nums[i] <= 3 * 10^4​​​​​​​

3.问题分析：这道题对于一个数组来说，逻辑上首尾是相连的，求子数组的最大和；直接求肯定是求不出来的，还记得清上篇多状态中有道打家劫舍II也是对于环形数组求解，那道题中一个房子如果偷的话，那么相邻的房子就不能再偷，我们对首尾进行详细分析，对[0, n - 2]和[1, n - 1]区间分别进行操作；这道题和那道题没关系哈，提出来只是让大家回忆一下，接下来就是这道题的思路；说难也不难，但是确实不好太想到，首先会有两种结果1. 结果在数组的内部，包括整个数组；2. 结果在数组⾸尾相连的⼀部分上。整个数组的总和sum是不变的，如果结果在数组⾸尾相连的⼀部分上，那么数组中间就会空出来一部分选不上，中间没选上的数组和就是子数组和的最小值；所以这道题求一个最大子数组和与一个最小子数组和，然后用sum减去最小子数组和与所求最大子数组和作比较，返回最大的那一个即可。

  1. 状态表示：f[i] 表⽰：以 i 做结尾的所有⼦数组中和的最大值；g[i] 表⽰：以 i 做结尾的所有⼦数组中和的最⼩值。
  2. 状态转移方程：f[i] 的所有可能可以分为以下两种：1.⼦数组的⻓度为 1 ：此时 f[i] = nums[i] ；2.⼦数组的⻓度⼤于 1 ：此时 f[i] 应该等于 以 i - 1 做结尾的所有⼦数组中和的最⼤值再加上 nums[i] ，也就是 f[i - 1] + nums[i] 。由于要的是最⼤值，因此应该是两种情况下的最⼤值，因此可得转移⽅程：f[i] = max(nums[i], f[i - 1] + nums[i])；g[i]的分析与f[i]基本相同，可得g[i]的状态转移方程为g[i] = min(nums[i], g[i - 1] + nums[i])。
  3. 初始化：要求f[i]，那么就需要知道f[i - 1]的值，所以只需要处理i - 1越界这种情况，通常增加一个辅助结点即可，增加辅助结点后要记得nums[i - 1]要减1 ；初始化为 f[0] = g[0] = 0 。
  4. 填表顺序：从左往右。
  5. 返回值：找出f[i]中最大，g[i]中最小，用sum - min(g[i])，返回减去的值和f[i]中的最大值。有个特殊情况，就是当相减的数为0（即数组中的数全为负数），此时应该返回f[i]中的最大值，否则就返回减去的值和f[i]中的最大值。

4.代码如下：

class Solution
{
public:
    int maxSubarraySumCircular(vector<int>& nums) 
    {
        int n = nums.size();
        vector<int> f(n + 1), g(n + 1);
        int sum = 0;
        int fmax = INT_MIN; //f数组中的最大值
        int gmin = INT_MAX; //g数组中的最小值
        for (int i = 1; i <= n; ++i)
        {
            f[i] = max(f[i - 1] + nums[i - 1], nums[i - 1]);
            fmax = max(fmax, f[i]);
            g[i] = min(g[i - 1] + nums[i - 1], nums[i - 1]);
            gmin = min(gmin, g[i]);
            sum += nums[i - 1];
        }
        gmin = sum - gmin;
        return gmin == 0 ? fmax : max(fmax, gmin);
    }
};

2. 乘积最大子数组

1.题目链接：添加链接描述
2.题目描述：给你一个整数数组 nums ，请你找出数组中乘积最大的非空连续子数组（该子数组中至少包含一个数字），并返回该子数组所对应的乘积。
测试用例的答案是一个 32位 整数。
子数组 是数组的连续子序列。

示例 1:

输入: nums = [2,3,-2,4]
输出: 6
解释: 子数组 [2,3] 有最大乘积 6。

示例 2:

输入: nums = [-2,0,-1]
输出: 0
解释: 结果不能为 2, 因为 [-2,-1] 不是子数组。

提示:

1 <= nums.length <= 2 * 10^4
-10 <= nums[i] <= 10
nums 的任何前缀或后缀的乘积都 保证 是一个 32-位 整数

3.问题分析：如果用一个dp表来表示乘积最大的子数组，就会发现当出现负数时一个dp表是不能表示出来的，负数乘负数可能会是最大的乘积。所以可以用两个dp表来表示，一个表为f：表示前i个元素，子数组乘积的最大值；另一个表为g：表示前i个元素中，子数组乘积的最小值。

  1. 状态表示：如上所述，f表：表示前i个元素，子数组乘积的最大值；g表：表示前i个元素中，子数组乘积的最小值。
  2. 状态转移方程：对于 f[i] ，也就是「以 i 为结尾的所有⼦数组的最⼤乘积」，对于所有⼦数组，可以分为下⾯三种形式：
    1.⼦数组的⻓度为 1 ，也就是 nums[i] ；2.⼦数组的⻓度⼤于 1 ，但 nums[i] > 0 ，此时需要的是 i - 1 为结尾的所有⼦数组的最⼤乘积 f[i - 1] ，再乘上 nums[i] ，也就是 nums[i] * f[i - 1] ；3.⼦数组的⻓度⼤于 1 ，但 nums[i] < 0 ，此时需要的是 i - 1 为结尾的所有⼦数组的最⼩乘积 g[i - 1] ，再乘上 nums[i] ，也就是 nums[i] * g[i - 1] ；综上所述， f[i] = max(nums[i], max(nums[i] * f[i - 1], nums[i] * g[i - 1]) )。
    对于 g[i] ，也就是以 i 为结尾的所有⼦数组的最⼩乘积，分析结果如同f[i]。
  3. 初始化：要求 i 结尾的需要知道i - 1位置的值，所以可以增加一个辅助结点，求的是乘积的结果，所以f[0] = 1; g[0] = 1。
  4. 填表顺序：从左往右。
  5. 返回值：返回f表中最大的元素。

4.代码如下：

class Solution 
{
public:
    int maxProduct(vector<int>& nums) 
    {
        int n = nums.size();
        vector<int> f(n + 1), g(n + 1);
        f[0] = g[0] = 1;
        int ret = INT_MIN;
        for (int i = 1; i <= n; ++i)
        {
            int x = nums[i - 1], y = f[i - 1] * nums[i - 1], z = g[i - 1] * nums[i - 1];
            f[i] = max(x, max(y, z));
            g[i] = min(x, min(y, z));
            ret = max(ret, f[i]);
        }
        return ret;
    }
};

3. 等差数列划分

1.题目链接：等差数列划分
2.题目描述：
如果一个数列 至少有三个元素 ，并且任意两个相邻元素之差相同，则称该数列为等差数列。
例如，[1,3,5,7,9]、[7,7,7,7] 和 [3,-1,-5,-9] 都是等差数列。
给你一个整数数组 nums ，返回数组 nums 中所有为等差数组的 子数组个数。
子数组 是数组中的一个连续序列。
在这里插入图片描述
3.算法流程：
在这里插入图片描述

  1. 状态表示
    这道题以某一个位置为结尾进行分析（如图1），dp[i] 表示以 i 位置的元素为结尾的等差数列有多少种。
  2. 状态转移方程
    1.如图2，假设上述4个位置构成等差数列，红线1表示以i-1为结尾的等差数列的数量；将红线1向后移动一格，那么这条红线是不是就可以代表以i为结尾的等差数列，但是刚好少了黑线2这种情况，所以以i为结尾的等差数列个数等于(红线1)以i-1为结尾的等差数列个数+1（黑线2这种多出来的情况），即dp[i] = dp[i - 1] + 1(如果是等差数列的话)。
    2.如果以i为结尾的元素不构成等差数列，那么这个位置的dp[i]=0，因为dp表示以i位置的元素为结尾的等差数列的个数。
    之后将以所有元素为结尾的等差数列加起来即为所求。
  3. 初始化
    前两个位置的元素⽆法构成等差数列，因此 dp[0] = dp[1] = 0 。
  4. 填表顺序：从左往右。
  5. 返回值：要求的是所有的等差数列的个数，因此需要返回整个 dp 表⾥⾯的元素之和。

4.代码如下：

class Solution 
{
public:
    int numberOfArithmeticSlices(vector<int>& nums) 
    {
        int n = nums.size();
        vector<int> dp(n);
        int ret = 0;
        for (int i = 2; i < n; ++i)
        {
            if ((nums[i] - nums[i-1]) == (nums[i-1] - nums[i-2]))
                dp[i] = dp[i-1] + 1;
            ret += dp[i];
        }
        return ret;
    }
};

4. 最长湍流子数组

1.题目链接：最长湍流子数组
2.题目描述：给定一个整数数组 arr ，返回 arr 的 最大湍流子数组的长度 。
如果比较符号在子数组中的每个相邻元素对之间翻转，则该子数组是 湍流子数组 。
更正式地来说，当 arr 的子数组 A[i], A[i+1], …, A[j] 满足仅满足下列条件时，我们称其为湍流子数组：
若 i <= k < j ：当 k 为奇数时， A[k] > A[k+1]，且当 k 为偶数时，A[k] < A[k+1]；
或 若 i <= k < j ：当 k 为偶数时，A[k] > A[k+1] ，且当 k 为奇数时， A[k] < A[k+1]。

示例 1：

输入：arr = [9,4,2,10,7,8,8,1,9]
输出：5
解释：arr[1] > arr[2] < arr[3] > arr[4] < arr[5]

示例 2：

输入：arr = [4,8,12,16]
输出：2

示例 3：

输入：arr = [100]
输出：1

3.问题分析：这道题需要找最长交错的子数组，交错就是 i 位置的比 i - 1 的值要大（小），i + 1位置的比 i 位置要小（大），可以说要求交错的最长子数组。首先想用一个dp表来解决，会发现数组中的值一会比前一个大，一会又比前一个小，用一个dp表表示不了，再用两个dp表来试试，数组中的元素一会大一会小，那么就用f[i]来表示 i 位置的元素比 i - 1 中的元素大，所存的最长子数组；用g[i]来表示 i 位置的元素比 i - 1 中的元素小，所存的最长子数组，这样表示这道题就会很容易求出来。

  1. 状态表示：f[i]来表示 i 位置的元素比 i - 1 中的元素大，所存的最长子数组；用g[i]来表示 i 位置的元素比 i - 1 中的元素小，所存的最长子数组。
  2. 状态转移方程：1.arr[i] > arr[i - 1] ：如果 i 位置的元素⽐ i - 1 位置的元素⼤，说明接下来应该去找 i -1 位置结尾，并且 i - 1 位置元素⽐前⼀个元素⼩的序列，那就是 g[i - 1] 。更新 f[i] 位置的值： f[i] = g[i - 1] + 1 ； 2.arr[i] < arr[i - 1] ：如果 i 位置的元素⽐ i - 1 位置的元素⼩，说明接下来应该去找 i - 1 位置结尾，并且 i - 1 位置元素⽐前⼀个元素⼤的序列，那就是f[i - 1] 。更新 g[i] 位置的值： g[i] = f[i - 1] + 1 ； arr[i] == arr[i - 1] ：不构成湍流数组。
  3. 初始化：两个dp表中所有的值可以初始化为1.因为最短的长度为1；然后从 i = 1开始遍历，i - 1>= 0，dp表是不会越界的，所以这道题就不用增加辅助结点。
  4. 填表顺序：从左往右，依次填写。
  5. 返回值：返回两个dp表中的最大值。

4.代码如下：

class Solution 
{
public:
    int maxTurbulenceSize(vector<int>& arr) 
    {
        int n = arr.size();
        vector<int> f(n, 1), g(n, 1);
        int ret = 1;
        for (int i = 1; i < n; ++i)
        {
            if (arr[i] > arr[i - 1])
                f[i] = g[i - 1] + 1;
            else if (arr[i] < arr[i - 1])
                g[i] = f[i - 1] + 1;
                
            ret = max(ret, max(f[i], g[i]));
        }
        return ret;
    }
};

5. 单词拆分

1.题目链接：单词拆分
2.题目描述：给你一个字符串 s 和一个字符串列表 wordDict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s 。
注意：不要求字典中出现的单词全部都使用，并且字典中的单词可以重复使用。

示例 1：

输入: s = “leetcode”, wordDict = [“leet”, “code”]
输出: true 解释: 返回 true
因为 “leetcode” 可以由 “leet” 和 “code” 拼接成。

示例 2：

输入: s = “applepenapple”, wordDict = [“apple”, “pen”] 输出: true 解释: 返回
true 因为 “applepenapple” 可以由 “apple” “pen” “apple” 拼接成。
注意，你可以重复使用字典中的单词。

示例 3：

输入: s = “catsandog”, wordDict = [“cats”, “dog”, “sand”, “and”, “cat”]
输出: false

提示：

1 <= s.length <= 300
1 <= wordDict.length <= 1000
1 <= wordDict[i].length <= 20 s 和 wordDict[i] 仅由小写英文字母组成 wordDict 中的所有字符串互不相同

3.问题分析：要利用字典中出现的单词拼接出 s ，那么就可以认为从s中的0位置拿一个子数组与字典中的元素匹配，然后再向后拿一个子数组匹配，如果s中的每个子数组都可以在字典中找到，那么可以利用字典中出现的单词拼接出 s 。

  1. 状态标识：dp[i] 表⽰： [0, i] 区间内的字符串，能否被字典中的单词拼接⽽成。
  2. 状态转移方程：对于 dp[i] ，为了确定当前的字符串能否由字典⾥⾯的单词构成，根据最后⼀个单词的起始位置 j ，可以将其分解为前后两部分： 前⾯⼀部分 [0, j - 1] 区间的字符串； 后⾯⼀部分 [j, i] 区间的字符串。其中前⾯部分我们可以在 dp[j - 1] 中找到答案，后⾯部分的⼦串可以在字典⾥⾯找到。因此， 当dp[j - 1] = true，并且后⾯部分的⼦串 s.substr(j, i - j + 1) 能够在字典中找到，那么 dp[i] = true 。
  3. 初始化：增加一个辅助结点，dp[0]表示0个字符能否被拼接而成，0个字符串也就是空串，所以dp[0] = true，因为增加了一个辅助结点，所以遍历s是要减1 。
  4. 填表顺序：从左往右
  5. 返回值：返回 dp[n] 位置的布尔值。
    4.代码如下：
class Solution
{
public:
    bool wordBreak(string s, vector<string>& wordDict)
    {
        //将字典⾥⾯的单词存在哈希表⾥⾯
        unordered_set<string> hash;
        for (auto& s : wordDict) hash.insert(s);
        int n = s.size();
        vector<bool> dp(n + 1);
        dp[0] = true; // 保证后续填表是正确的

        for (int i = 1; i <= n; i++) // 填 dp[i]
        {
            for (int j = i; j >= 1; j--) //最后⼀个单词的起始位置
            {
                if (dp[j - 1] && hash.count(s.substr(j - 1, i - j + 1))) //添加辅助结点，对应的位置为j - 1
                {
                    dp[i] = true;
                    break;
                }
            }
        }
        return dp[n];
    }
};

6. 环绕字符串中唯⼀的子字符串

1.题目链接：环绕字符串中唯⼀的子字符串
2.问题描述：
定义字符串 base 为一个 “abcdefghijklmnopqrstuvwxyz” 无限环绕的字符串，所以 base 看起来是这样的：
“…zabcdefghijklmnopqrstuvwxyzabcdefghijklmnopqrstuvwxyzabcd…”.
给你一个字符串 s ，请你统计并返回 s 中有多少 不同非空子串 也在 base 中出现。

示例 1：

输入：s = “a”
输出：1
解释：字符串 s 的子字符串 “a” 在 base 中出现。

示例 2：

输入：s = “cac”
输出：2
解释：字符串 s 有两个子字符串 (“a”, “c”) 在 base 中出现。

示例 3：

输入：s = “zab”
输出：6
解释：字符串 s 有六个子字符串 (“z”, “a”, “b”, “za”, “ab”, and “zab”) 在 base 中出现。

提示：

1 <= s.length <= 10^5
s 由小写英文字母组成

3.问题分析：这道题其实可以说寻找递增子数组的个数，比如如果只有a到y，（并且元素不重复）用一个dp表，i 位置表示的是以 i 结尾子数组的个数，将每块相连的递增子数组个数相加即将dp表中的元素求和；现在再加一个z，并且z到a可以看作是连接的，那么就加个if语句将这种情况判断一下即可；然后再加一个条件元素可以重复，但是题中所求子数组是不能重复，dp表是的是以i为结尾子数组的个数，比如aababc(“a”,“b”,“c”,“ab”,“bc”,“abc”)，对于后面的abc来说已经包含前面的ab了，所以只用求出以某个结尾的最大子数组的个数，用一个哈希数组可以来解决，如果s[i]的元素一样，那么就保留dp[i]中的最大值。

  1. 状态表示：dp[i] 表⽰：以 i 位置的元素为结尾的所有⼦串⾥⾯，有多少个在 base 中出现过。
  2. 状态转移方程：就是寻找递增子数组的个数，如等差数列划分，即dp[i] = dp[i - 1] + 1(如果是等差数列的话)。
  3. 初始化：这道题的长度可以为1，而等差序列划分最少要为3，所以将dp表都初始化为1.
  4. 填表顺序：从左往右。
  5. 返回值：返回哈希数组中元素的和。

代码如下：

class Solution
{
public:
    int findSubstringInWraproundString(string s)
    {
        int n = s.size();
        // 1. 利⽤ dp 求出每个位置结尾的最⻓连续⼦数组的⻓度
        vector<int> dp(n, 1);
        for (int i = 1; i < n; i++)
            if (s[i] - 1 == s[i - 1] || (s[i - 1] == 'z' && s[i] == 'a'))
                dp[i] = dp[i - 1] + 1;

        // 2. 计算每⼀个字符结尾的最⻓连续⼦数组的⻓度
        int hash[26] = { 0 };
        for (int i = 0; i < n; i++)
            hash[s[i] - 'a'] = max(hash[s[i] - 'a'], dp[i]);
        // 3. 将结果累加起来
        int sum = 0;
        for (auto x : hash) sum += x;

        return sum;
    }
};

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/994569.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

Pytorch-基于RNN的不同语种人名生成模型

Pytorch-基于RNN的不同语种人名生成模型

一、RNN背景介绍 循环神经网络&#xff08;Recurrent Neural Networks, RNN&#xff09; 是一种常用的神经网络结构&#xff0c;它源自于1982年由Saratha Sathasivam提出的霍普菲尔德网络。 其特有的循环概念及其最重要的结构——长短时记忆网络——使得它在处理和预测序列数据…
阅读更多...
Linux初探 - 概念上的理解和常见指令的使用

Linux初探 - 概念上的理解和常见指令的使用

目录 Linux背景 Linux发展史 GNU 应用场景 发行版本 从概念上认识Linux 操作系统的概念 用户的概念 路径与目录 Linux下的文件 时间戳的概念 常规权限 特殊权限 Shell的概念 常用指令 ls tree stat clear pwd echo cd touch mkdir rmdir rm cp mv …
阅读更多...
请求与响应以及REST风格

请求与响应以及REST风格

目录 请求与响应请求参数参数传递 五种类型参数传递普通参数POJO数据类型嵌套POJO类型参数数组类型参数集合类型参数JSON数据传输参数JSON对象数据JSON对象数组 响应返回文本数据[了解]响应JSON数据 REST风格REST简介RESTful入门案例RESTful快速开发 请求与响应 请求参数 参数…
阅读更多...
【SpringMVC】实现增删改查(附源码)

【SpringMVC】实现增删改查(附源码)

目录 引言 一、前期准备 1.1.搭建Maven环境 1.2.导入pom.xml依赖 1.3.导入配置文件 ①jdbc.properties ②generatorConfig.xml ③log4j2.xml ④spring-mybatis.xml ⑤spring-context.xml ⑥spring-mvc.xml ⑦修改web.xml文件 二、逆向生成增删改查 2.1.导入相关u…
阅读更多...
网络原理，了解xml, json,protobuffer的特点

网络原理，了解xml, json,protobuffer的特点

目录 外卖服务器场景带入 大佬们通用的规范格式 一、&#x1f466; 外卖服务器场景 外面服务器沟通有很多模式——展示商家列表等等&#xff0c;只是其中一个&#xff0c;因此需要一个统一的规划了——不同应用程序&#xff0c;里面的自定义格式是不一样的&#xff0c;这样的…
阅读更多...
基于微服务+Java+Spring Cloud +UniApp +MySql开发的智慧工地源码（物联网、人工智能、AI识别、危大工程）

基于微服务+Java+Spring Cloud +UniApp +MySql开发的智慧工地源码（物联网、人工智能、AI识别、危大工程）

智慧工地系统利用物联网、人工智能、云计算、大数据、移动互联网等新一代信息技术&#xff0c;通过工地中台、三维建模服务、视频AI分析服务等技术支撑&#xff0c;实现智慧工地高精度动态仿真&#xff0c;趋势分析、预测、模拟&#xff0c;建设智能化、标准化的智慧工地综合业…
阅读更多...
LeetCode 49题： 字母异位词分组

LeetCode 49题： 字母异位词分组

题目 给你一个字符串数组&#xff0c;请你将 字母异位词 组合在一起。可以按任意顺序返回结果列表。 字母异位词 是由重新排列源单词的所有字母得到的一个新单词。 示例 1: 输入: strs ["eat", "tea", "tan", "ate", "nat&qu…
阅读更多...
maven聚合工程的创建

maven聚合工程的创建

父工程&#xff1a; parent-project 子工程&#xff1a;project-child project-child2 project-child3 创建父工程 将src目录删除了(在父工程中的src目录是没有用的&#xff09; 创建子工程 右击父工程------new------module 聚合工程创建完之后 在父工程的pom文件中 …
阅读更多...
IJ中PHP环境的搭建和使用教程

IJ中PHP环境的搭建和使用教程

目录 目录 前言 思维导图 1&#xff0c;PHP环境下载 1.下载链接 2.进行安装 3,自定义路径 4.进行相关的一些库的选择下载 2&#xff0c;进行IJ中PHP环境的配置 2.1,下载PHP插件 2.2,下载过程中的注意事项 3&#xff0c;为什么这么做呢? 3.1,原因 3.2,进行代码…
阅读更多...
【Java 基础篇】Java List 使用指南：深入解析列表操作

【Java 基础篇】Java List 使用指南：深入解析列表操作

Java 是一门强大的编程语言&#xff0c;拥有丰富的数据结构和集合类&#xff0c;其中之一就是 List 列表。List 是 Java 集合框架中的一个重要接口&#xff0c;它允许我们以有序、可重复的方式存储一组元素。本篇博客将从基础到高级&#xff0c;详细介绍 Java 中的 List 接口以…
阅读更多...
Vulnhub系列靶机---HarryPotter-Aragog-1.0.2哈利波特系列靶机-1

Vulnhub系列靶机---HarryPotter-Aragog-1.0.2哈利波特系列靶机-1

文章目录 方式一信息收集主机发现端口扫描目录扫描wpscan工具 漏洞利用msf工具数据库权限用户权限root提权 方式二信息收集gobuster扫描wpscan扫描 漏洞利用POC 靶机文档&#xff1a;HarryPotter: Aragog (1.0.2) 下载地址&#xff1a;Download (Mirror) 方式一 信息收集 主机…
阅读更多...
入门人工智能 —— 学习条件语句、循环语句、使用 Python 的数据结构来存储和组织数据,例如列表、字典、集合（3）

入门人工智能 —— 学习条件语句、循环语句、使用 Python 的数据结构来存储和组织数据,例如列表、字典、集合（3）

入门人工智能 —— 学习条件语句、循环语句、使用 Python 的数据结构来存储和组织数据,例如列表、字典、集合 1. 条件语句&#xff08;Conditional Statements&#xff09;2. 循环语句&#xff08;Loop Statements&#xff09;使用 for 循环&#xff1a;使用 while 循环&#x…
阅读更多...
Spring Cache：提高应用性能的策略和技巧

Spring Cache：提高应用性能的策略和技巧

&#x1f337;&#x1f341; 博主猫头虎&#xff08;&#x1f405;&#x1f43e;&#xff09;带您 Go to New World✨&#x1f341; &#x1f984; 博客首页——&#x1f405;&#x1f43e;猫头虎的博客&#x1f390; &#x1f433; 《面试题大全专栏》 &#x1f995; 文章图文…
阅读更多...
Java项目基于SpringBoot藏区特产销售系统，可作为毕业设计

Java项目基于SpringBoot藏区特产销售系统，可作为毕业设计

博主介绍&#xff1a;✌程序员徐师兄、7年大厂程序员经历。全网粉丝30W,Csdn博客专家、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ 今天为大家带来的是基于 Java SpringBootVue 的藏区特产销售系统 文章目录 1. 简介2.主要技术3 功能分析4 系…
阅读更多...
Python超入门（3）__迅速上手操作掌握Python

Python超入门（3）__迅速上手操作掌握Python

# 11.if语句 is_student True # bool类型 is_teacher Falseif is_student:print("请到操场集合") elif is_teacher:print("请到办公室集合") else:print("请离开学校") print("谢谢合作") """ 请到操场集合 谢谢合…
阅读更多...
javaee springMVC的简单使用 jsp页面在webapp和web-inf目录下的区别

javaee springMVC的简单使用 jsp页面在webapp和web-inf目录下的区别

项目结构 依赖文件 <?xml version"1.0" encoding"UTF-8"?><project xmlns"http://maven.apache.org/POM/4.0.0" xmlns:xsi"http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation"http://maven.apache.org/…
阅读更多...
【网络编程】学习成果day7：用sqlite3和fgetc将字典写入数据库中的数据表。

【网络编程】学习成果day7：用sqlite3和fgetc将字典写入数据库中的数据表。

1.将字典写入数据库中的数据表 代码&#xff1a; linuxlinux:~/study/NETbc$ cat 03_dictsqlite3.c #include<myhead.h> #define MAX 50int do_insert(sqlite3* db);int main(int argc, const char *argv[]) {//打开数据库sqlite3 *dbNULL;if(sqlite3_open("./dic…
阅读更多...
【补】代码随想录算法训练营day38|动态规划 |509. 斐波那契数|70. 爬楼梯|746. 使用最小花费爬楼梯

【补】代码随想录算法训练营day38|动态规划 |509. 斐波那契数|70. 爬楼梯|746. 使用最小花费爬楼梯

动态规划&#xff0c;英文&#xff1a;Dynamic Programming&#xff0c;简称DP&#xff0c;如果某一问题有很多重叠子问题&#xff0c;使用动态规划是最有效的。所以动态规划中每一个状态一定是由上一个状态推导出来的&#xff0c;这一点就区分于贪心&#xff0c;贪心没有状态推…
阅读更多...
030：vue中使用md5进行数据加密示例

030：vue中使用md5进行数据加密示例

第030个 查看专栏目录: VUE ------ element UI 专栏目标 在vue和element UI联合技术栈的操控下&#xff0c;本专栏提供行之有效的源代码示例和信息点介绍&#xff0c;做到灵活运用。 &#xff08;1&#xff09;提供vue2的一些基本操作&#xff1a;安装、引用&#xff0c;模板使…
阅读更多...
Spring Boot深度解析：快速开发的秘密

Spring Boot深度解析：快速开发的秘密

&#x1f337;&#x1f341; 博主猫头虎&#xff08;&#x1f405;&#x1f43e;&#xff09;带您 Go to New World✨&#x1f341; &#x1f984; 博客首页——&#x1f405;&#x1f43e;猫头虎的博客&#x1f390; &#x1f433; 《面试题大全专栏》 &#x1f995; 文章图文…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023