常见的内部排序:
下面介绍这十种常见内部排序(都是从小到大的排序)
直接选择排序
import java.util.*;
//定义一个数据包装类
class DataWrap implements Comparable<DataWrap>
{
int data;
String flag;
public DataWrap(int data, String flag)
{
this.data = data;
this.flag = flag;
}
public String toString()
{
return data + flag;
}
//根据data实例变量来决定两个DataWrap的大小
public int compareTo(DataWrap dw)
{
return this.data > dw.data ? 1
: (this.data == dw.data ? 0 : -1);
}
}
public class SelectSort
{
public static void selectSort(DataWrap[] data)
{
System.out.println("开始排序");
int arrayLength = data.length;
//依次进行n-1趟比较, 第i趟比较将第i大的值选出放在i位置上。
for (int i = 0; i < arrayLength - 1 ; i++ )
{
int minIndex = i ;
//第i个数据只需和它后面的数据比较
for (int j = i + 1 ; j < arrayLength ; j++ )
{
//如果第i位置的数据 > j位置的数据, 交换它们
if (data[i].compareTo(data[j]) > 0)
{
DataWrap tmp = data[i];
data[i] = data[j];
data[j] = tmp;
}
}
System.out.println(java.util.Arrays.toString(data));
}
}
public static void main(String[] args)
{
DataWrap[] data = {
new DataWrap(21 , ""),
new DataWrap(30 , ""),
new DataWrap(49 , ""),
new DataWrap(30 , "*"),
new DataWrap(16 , ""),
new DataWrap(9 , "")
};
System.out.println("排序之前:\n"
+ java.util.Arrays.toString(data));
selectSort(data);
System.out.println("排序之后:\n"
+ java.util.Arrays.toString(data));
}
}
优化后:
import java.util.*;
class DataWrap implements Comparable<DataWrap>
{
int data;
String flag;
public DataWrap(int data, String flag)
{
this.data = data;
this.flag = flag;
}
public String toString()
{
return data + flag;
}
public int compareTo(DataWrap dw)
{
return this.data > dw.data ? 1
: (this.data == dw.data ? 0 : -1);
}
}
public class SelectSort2
{
public static void selectSort(DataWrap[] data)
{
System.out.println("开始排序");
int arrayLength = data.length;
//依次进行n-1趟比较, 第i趟比较将第i大的值选出放在i位置上。
for (int i = 0; i < arrayLength - 1 ; i++ )
{
//minIndex永远保留本趟比较中最小值的索引
int minIndex = i ;
//第i个数据只需和它后面的数据比较
for (int j = i + 1 ; j < arrayLength ; j++ )
{
//如果第minIndex位置的数据 > j位置的数据
if (data[minIndex].compareTo(data[j]) > 0)
{
//将j的值赋给minIndex
minIndex = j;
}
}
//每趟比较最多交换一次
if (minIndex != i)
{
DataWrap tmp = data[i];
data[i] = data[minIndex];
data[minIndex] = tmp;
}
System.out.println(java.util.Arrays.toString(data));
}
}
public static void main(String[] args)
{
DataWrap[] data = {
new DataWrap(21 , ""),
new DataWrap(30 , ""),
new DataWrap(49 , ""),
new DataWrap(30 , "*"),
new DataWrap(16 , ""),
new DataWrap(9 , "")
};
System.out.println("排序之前:\n"
+ java.util.Arrays.toString(data));
selectSort(data);
System.out.println("排序之后:\n"
+ java.util.Arrays.toString(data));
}
}
//时间复杂度:n的平方
//空间复杂度:1
//稳定性:不稳定
堆排序
建大堆求得从小到大的排序。每次建立大堆把大堆顶与数组最后一个元素交换。
import java.util.*;
//定义一个数据包装类
class DataWrap implements Comparable<DataWrap>
{
int data;
String flag;
public DataWrap(int data, String flag)
{
this.data = data;
this.flag = flag;
}
public String toString()
{
return data + flag;
}
//根据data实例变量来决定两个DataWrap的大小
public int compareTo(DataWrap dw)
{
return this.data > dw.data ? 1
: (this.data == dw.data ? 0 : -1);
}
}
public class HeapSort
{
public static void heapSort(DataWrap[] data)
{
System.out.println("开始排序");
int arrayLength = data.length;
//循环建堆
for (int i = 0; i < arrayLength - 1 ; i++ )//n-1次循环
{
//建堆
builMaxdHeap(data , arrayLength - 1 - i);
//交换堆顶和最后一个元素
swap(data , 0 , arrayLength - 1 - i);
System.out.println(java.util.Arrays.toString(data));
}
}
//对data数组从0到lastIndex建大顶堆
private static void builMaxdHeap(DataWrap[] data , int lastIndex)
{
//从lastIndex处节点(最后一个节点)的父节点开始
for (int i = (lastIndex - 1) / 2 ; i >= 0 ; i--)
{
//k保存当前正在判断的节点
int k = i;
//如果当前k节点的子节点存在
while (k * 2 + 1 <= lastIndex)
{
//k节点的左子节点的索引
int biggerIndex = 2 * k + 1;
//如果biggerIndex小于lastIndex,即biggerIndex + 1
//代表的k节点的右子节点存在
if (biggerIndex < lastIndex)
{
//如果右子节点的值较大
if(data[biggerIndex].compareTo(data[biggerIndex + 1]) < 0)
{
//biggerIndex总是记录较大子节点的索引
biggerIndex++;
}
}
//如果k节点的值小于其较大子节点的值
if(data[k].compareTo(data[biggerIndex]) < 0)
{
//交换它们
swap(data , k , biggerIndex);
//将biggerIndex赋给k,开始while循环的下一次循环,
//重新保证k节点的值大于其左、右子节点的值。
k = biggerIndex;
}
else
{
break;
}
}
}
}
//交换data数组中i、j两个索引处的元素
private static void swap(DataWrap[] data , int i , int j)
{
DataWrap tmp = data[i];
data[i] = data[j];
data[j] = tmp;
}
public static void main(String[] args)
{
DataWrap[] data = {
new DataWrap(21 , ""),
new DataWrap(30 , ""),
new DataWrap(49 , ""),
new DataWrap(30 , "*"),
new DataWrap(21 , "*"),
new DataWrap(16 , ""),
new DataWrap(9 , "")
};
System.out.println("排序之前:\n"
+ java.util.Arrays.toString(data));
heapSort(data);
System.out.println("排序之后:\n"
+ java.util.Arrays.toString(data));
}
}
//时间复杂度:nlog2n
//空间复杂度:1
//稳定性:不稳定
冒泡排序
import java.util.*;
//定义一个数据包装类
class DataWrap implements Comparable<DataWrap>
{
int data;
String flag;
public DataWrap(int data, String flag)
{
this.data = data;
this.flag = flag;
}
public String toString()
{
return data + flag;
}
//根据data实例变量来决定两个DataWrap的大小
public int compareTo(DataWrap dw)
{
return this.data > dw.data ? 1
: (this.data == dw.data ? 0 : -1);
}
}
public class BubbleSort
{
public static void bubbleSort(DataWrap[] data)
{
System.out.println("开始排序");
int arrayLength = data.length;
//依次进行n-1趟比较, 第i趟把第i大的值选出放在arrayLength-1-i位置上。
for (int i = 0; i < arrayLength - 1 ; i++ )
{
boolean flag = false;
for (int j = 0; j < arrayLength - 1 - i ; j++ )
{
//如果j索引处的元素大于j+1索引处的元素
if (data[j].compareTo(data[j + 1]) > 0)
{
//交换它们
DataWrap tmp = data[j + 1];
data[j + 1] = data[j];
data[j] = tmp;
flag = true;
}
}
System.out.println(java.util.Arrays.toString(data));
//如果某趟没有发生交换,则表明已处于有序状态
if (!flag)
{
break;
}
}
}
public static void main(String[] args)
{
DataWrap[] data = {
new DataWrap(9 , ""),
new DataWrap(16 , ""),
new DataWrap(21 , "*"),
new DataWrap(23 , ""),
new DataWrap(30 , ""),
new DataWrap(49 , ""),
new DataWrap(21 , ""),
new DataWrap(30 , "*")
};
System.out.println("排序之前:\n"
+ java.util.Arrays.toString(data));
bubbleSort(data);
System.out.println("排序之后:\n"
+ java.util.Arrays.toString(data));
}
}
//时间复杂度:
//空间复杂度:1
//稳定性:稳定
快速排序
用到了递归。注意分界值是和j交换来建立从小到大的排序。
import java.util.*;
//定义一个数据包装类
class DataWrap implements Comparable<DataWrap>
{
int data;
String flag;
public DataWrap(int data, String flag)
{
this.data = data;
this.flag = flag;
}
public String toString()
{
return data + flag;
}
//根据data实例变量来决定两个DataWrap的大小
public int compareTo(DataWrap dw)
{
return this.data > dw.data ? 1
: (this.data == dw.data ? 0 : -1);
}
}
public class QuickSort
{
//将指定数组的i和j索引处的元素交换
private static void swap(DataWrap[] data, int i, int j)
{
DataWrap tmp;
tmp = data[i];
data[i] = data[j];
data[j] = tmp;
}
//对data数组中从start~end索引范围的子序列进行处理
//使之满足所有小于分界值的放在左边,所有大于分界值的放在右边
private static void subSort(DataWrap[] data
, int start , int end)
{
//需要排序
if (start < end)
{
//以第一个元素作为分界值
DataWrap base = data[start];
//i从左边搜索,搜索大于分界值的元素的索引
int i = start;
//j从右边开始搜索,搜索小于分界值的元素的索引
int j = end + 1;
while(true)
{
//找到大于分界值的元素的索引,或i已经到了end处
while(i < end && data[++i].compareTo(base) <= 0);
//找到小于分界值的元素的索引,或j已经到了start处
while(j > start && data[--j].compareTo(base) >= 0);
if (i < j)
{
swap(data , i , j);
}
else
{
break;
}
}
swap(data , start , j);
//递归左子序列
subSort(data , start , j - 1);
//递归右边子序列
subSort(data , j + 1, end);
}
}
public static void quickSort(DataWrap[] data)
{
subSort(data , 0 , data.length - 1);
}
public static void main(String[] args)
{
DataWrap[] data = {
new DataWrap(9 , ""),
new DataWrap(-16 , ""),
new DataWrap(21 , "*"),
new DataWrap(23 , ""),
new DataWrap(-30 , ""),
new DataWrap(-49 , ""),
new DataWrap(21 , ""),
new DataWrap(30 , "*"),
new DataWrap(13 , "*")
};
System.out.println("排序之前:\n"
+ java.util.Arrays.toString(data));
quickSort(data);
System.out.println("排序之后:\n"
+ java.util.Arrays.toString(data));
}
}
//时间复杂度:n的平方
//空间复杂度:1
//稳定性:稳定
直接插入排序
import java.util.*;
//定义一个数据包装类
class DataWrap implements Comparable<DataWrap>
{
int data;
String flag;
public DataWrap(int data, String flag)
{
this.data = data;
this.flag = flag;
}
public String toString()
{
return data + flag;
}
//根据data实例变量来决定两个DataWrap的大小
public int compareTo(DataWrap dw)
{
return this.data > dw.data ? 1
: (this.data == dw.data ? 0 : -1);
}
}
public class InsertSort
{
public static void insertSort(DataWrap[] data)
{
System.out.println("直接插入排序\n开始排序:\n");
int arrayLength = data.length;
for (int i = 1 ; i < arrayLength ; i++ )
{
//当整体后移时,保证data[i]的值不会丢失
DataWrap tmp = data[i];
//i索引处的值已经比前面所有值都大,表明已经有序,无需插入
//(i-1索引之前的数据已经有序的,i-1索引处元素的值就是最大值)
if (data[i].compareTo(data[i - 1]) < 0)
{
int j = i - 1;
//整体后移一格
for ( ; j >= 0 && data[j].compareTo(tmp) > 0 ; j--)
{
data[j + 1] = data[j];
}
//最后将tmp的值插入合适位置
data[j + 1] = tmp;
}
System.out.println(java.util.Arrays.toString(data));
}
}
public static void main(String[] args)
{
DataWrap[] data = {
new DataWrap(9 , ""),
new DataWrap(-16 , ""),
new DataWrap(21 , "*"),
new DataWrap(23 , ""),
new DataWrap(-30 , ""),
new DataWrap(-49 , ""),
new DataWrap(21 , ""),
new DataWrap(30 , "*"),
new DataWrap(30 , "")
};
System.out.println("排序之前:\n"
+ java.util.Arrays.toString(data));
insertSort(data);
System.out.println("排序之后:\n"
+ java.util.Arrays.toString(data));
}
}
折半插入排序
import java.util.*;
//定义一个数据包装类
class DataWrap implements Comparable<DataWrap>
{
int data;
String flag;
public DataWrap(int data, String flag)
{
this.data = data;
this.flag = flag;
}
public String toString()
{
return data + flag;
}
//根据data实例变量来决定两个DataWrap的大小
public int compareTo(DataWrap dw)
{
return this.data > dw.data ? 1
: (this.data == dw.data ? 0 : -1);
}
}
public class BinaryInsertSort
{
public static void binaryInsertSort(DataWrap[] data)
{
System.out.println("开始排序:\n");
int arrayLength = data.length;
for(int i = 1 ; i < arrayLength ; i++)
{
//当整体后移时,保证data[i]的值不会丢失
DataWrap tmp = data[i];
int low = 0;
int high = i - 1;
while(low <= high)
{
//找出low、high中间的索引
int mid = (low + high) / 2;
//如果tmp值大于low、high中间元素的值
if(tmp.compareTo(data[mid]) > 0)
{
//限制在索引大于mid的那一半中搜索
low = mid + 1;
}
else
{
//限制在索引小于mid的那一半中搜索
high = mid - 1;
}
}
//将low到i处的所有元素向后整体移一位
for(int j = i ; j > low ; j--)
{
data[j] = data[j - 1];
}
//最后将tmp的值插入合适位置
data[low] = tmp;
System.out.println(java.util.Arrays.toString(data));
}
}
public static void main(String[] args)
{
DataWrap[] data = {
new DataWrap(9 , ""),
new DataWrap(-16 , ""),
new DataWrap(21 , "*"),
new DataWrap(23 , ""),
new DataWrap(-30 , ""),
new DataWrap(-49 , ""),
new DataWrap(21 , ""),
new DataWrap(30 , "*"),
new DataWrap(30 , "")
};
System.out.println("排序之前:\n"
+ java.util.Arrays.toString(data));
binaryInsertSort(data);
System.out.println("排序之后:\n"
+ java.util.Arrays.toString(data));
}
}
Shell排序
在进行排序时的数据项之间的间隔被称为增量,习惯上用h表示。h序列从1开始,通过h=3*h+1计算产生(其实直接插入排序是Shell排序的一种特例:直接使用增量为1的Shell
排序。)
import java.util.*;
//定义一个数据包装类
class DataWrap implements Comparable<DataWrap>
{
int data;
String flag;
public DataWrap(int data, String flag)
{
this.data = data;
this.flag = flag;
}
public String toString()
{
return data + flag;
}
//根据data实例变量来决定两个DataWrap的大小
public int compareTo(DataWrap dw)
{
return this.data > dw.data ? 1
: (this.data == dw.data ? 0 : -1);
}
}
public class ShellSort
{
public static void shellSort(DataWrap[] data)
{
System.out.println("Shell\n开始排序:");
int arrayLength = data.length;
//h变量保存可变增量
int h = 1;
//按h * 3 + 1得到增量序列的最大值
while(h <= arrayLength / 3)
{
h = h * 3 + 1;
}
while(h > 0)
{
System.out.println("===h的值:" + h + "===");
for (int i = h ; i < arrayLength ; i++ )
{
//当整体后移时,保证data[i]的值不会丢失
DataWrap tmp = data[i];
//i索引处的值已经比前面所有值都大,表明已经有序,无需插入
//(i-1索引之前的数据已经有序的,i-1索引处元素的值就是最大值)
if (data[i].compareTo(data[i - h]) < 0)
{
int j = i - h;
//整体后移h格
for ( ; j >= 0 && data[j].compareTo(tmp) > 0 ; j-=h)
{
data[j + h] = data[j];
}
//最后将tmp的值插入合适位置
data[j + h] = tmp;
}
System.out.println(java.util.Arrays.toString(data));
}
h = (h - 1) / 3;
}
}
public static void main(String[] args)
{
DataWrap[] data = {
new DataWrap(9 , ""),
new DataWrap(-16 , ""),
new DataWrap(21 , "*"),
new DataWrap(23 , ""),
new DataWrap(-30 , ""),
new DataWrap(-49 , ""),
new DataWrap(21 , ""),
new DataWrap(30 , "*"),
new DataWrap(30 , ""),
};
System.out.println("排序之前:\n"
+ java.util.Arrays.toString(data));
shellSort(data);
System.out.println("排序之后:\n"
+ java.util.Arrays.toString(data));
}
}
//时间复杂度:
//空间复杂度:1
//稳定性:稳定
归并排序
他是将两个有序的数据序列合并成一个新的有序序列。
class DataWrap implements Comparable<DataWrap>
{
int data;
String flag;
public DataWrap(int data, String flag)
{
this.data = data;
this.flag = flag;
}
public String toString()
{
return data + flag;
}
//根据data实例变量来决定两个DataWrap的大小
public int compareTo(DataWrap dw)
{
return this.data > dw.data ? 1
: (this.data == dw.data ? 0 : -1);
}
}
public class MergeSort
{
//利用归并排序算法对数组data进行排序
public static void mergeSort(DataWrap[] data)
{
//归并排序
sort(data , 0 , data.length - 1);
}
/**
* 将索引从left到right范围的数组元素进行归并排序
* @param data 待排序的数组
* @param left 待排序的数组的第一个元素索引
* @param right 待排序的数组的最后一个元素的索引
*/
private static void sort(DataWrap[] data
, int left, int right)
{
if (left < right)
{
//找出中间索引
int center = (left + right) / 2;
//对左边数组进行递归
sort(data, left, center);
//对右边数组进行递归
sort(data, center + 1, right);
//合并
merge(data, left, center, right);
}
}
/**
* 将两个数组进行归并,归并前两个数组已经有序,归并后依然有序。
* @param data 数组对象
* @param left 左数组的第一个元素的索引
* @param center 左数组的最后一个元素的索引,center+1是右数组第一个元素的索引
* @param right 右数组的最后一个元素的索引
*/
private static void merge(DataWrap[] data
, int left, int center, int right)
{
//定义一个与待排序序列长度相同的临时数组
DataWrap[] tmpArr = new DataWrap[data.length];
int mid = center + 1;
//third记录中间数组的索引
int third = left;
int tmp = left;
while (left <= center && mid <= right)
{
//从两个数组中取出小的放入中间数组
if (data[left].compareTo(data[mid]) <= 0)
{
tmpArr[third++] = data[left++];
}
else
{
tmpArr[third++] = data[mid++];
}
}
//剩余部分依次放入中间数组
while (mid <= right)
{
tmpArr[third++] = data[mid++];
}
while (left <= center)
{
tmpArr[third++] = data[left++];
}
//将中间数组中的内容复制拷回原数组
//(原left~right范围的内容复制回原数组)
while (tmp <= right)
{
data[tmp] = tmpArr[tmp++];
}
}
public static void main(String[] args)
{
DataWrap[] data = {
new DataWrap(9 , ""),
new DataWrap(-16 , ""),
new DataWrap(21 , "*"),
new DataWrap(23 , ""),
new DataWrap(-30 , ""),
new DataWrap(-49 , ""),
new DataWrap(21 , ""),
new DataWrap(30 , "*"),
new DataWrap(30 , "")
};
System.out.println("排序之前:\n"
+ java.util.Arrays.toString(data));
mergeSort(data);
System.out.println("排序之后:\n"
+ java.util.Arrays.toString(data));
}
}
//时间复杂度:
//空间复杂度:
//稳定性:稳定
桶式排序
桶式排序的特征:
待排序列的所有值处于一个可枚举范围内;
待排序列所在的这个可枚举范围不应该太大,否则排序开销太大。
import java.util.Arrays;
class DataWrap implements Comparable<DataWrap>
{
int data;
String flag;
public DataWrap(int data, String flag)
{
this.data = data;
this.flag = flag;
}
public String toString()
{
return data + flag;
}
//根据data实例变量来决定两个DataWrap的大小
public int compareTo(DataWrap dw)
{
return this.data > dw.data ? 1
: (this.data == dw.data ? 0 : -1);
}
}
public class BucketSort
{
public static void bucketSort(DataWrap[] data
, int min , int max)
{
System.out.println("开始排序:");
//arrayLength记录待排序数组的长度
int arrayLength = data.length;
DataWrap[] tmp = new DataWrap[arrayLength];
//buckets数组相当于定义了max - min个桶,
//buckets数组用于记录待排序元素的信息
int[] buckets = new int[max - min];
//计算每个元素在序列出现的次数
for(int i = 0 ; i < arrayLength ; i++)
{
//buckets数组记录了DataWrap出现的次数
buckets[data[i].data - min]++;
}
System.out.println( Arrays.toString(buckets));
//计算“落入”各桶内的元素在有序序列中的位置
for(int i = 1 ; i < max - min; i++)
{
//前一个bucket的值 + 当前bucket的值 -> 当前bucket新的值
buckets[i] = buckets[i] + buckets[i - 1];
}
//循环结束后,buckets数组元素记录了“落入”前面所有桶和
//“落入”当前bucket中元素的总数,
//也就说:buckets数组元素的值代表了“落入”当前桶的元素在有序序列中的位置
System.out.println( Arrays.toString(buckets));
//将data数组中数据完全复制到tmp数组中缓存起来。
System.arraycopy(data, 0, tmp, 0, arrayLength);
//根据buckets数组中的信息将待排序列的各元素放入相应的位置。
for(int k = arrayLength - 1 ; k >= 0 ; k--)//从高位开始可以保证排序的稳定性
{
data[--buckets[tmp[k].data - min]] = tmp[k];
}
}
public static void main(String[] args)
{
DataWrap[] data = {
new DataWrap(9 , ""),
new DataWrap(5, ""),
new DataWrap(-1, ""),
new DataWrap(8 , ""),
new DataWrap(5 , "*"),
new DataWrap(7 , ""),
new DataWrap(3 , ""),
new DataWrap(-3, ""),
new DataWrap(1 , ""),
new DataWrap(3 , "*")
};
System.out.println("排序之前:\n"
+ java.util.Arrays.toString(data));
bucketSort(data , -3 , 10);
System.out.println("排序之后:\n"
+ java.util.Arrays.toString(data));
}
}
//时间复杂度:小
//空间复杂度:大
//稳定性:稳定
基数排序
基数排序必须依赖于另外的排序方法。基数排序的总体思想就是将待排序数据拆分成多个关键字进行排序,也就是说,基数排序的实质是多关键字排序。
多关键字排序解决方案:
最高位优先法MSD;
最低位优先法LSD。
基数排序对任一子关键字排序时必须借助于另外一个排序方法,而且这种排序方法必须是稳定的,一般用通式排序
import java.util.Arrays;
public class MultiKeyRadixSort
{
/**
* @param data 待排序的数组
* @param radix 指定关键字拆分的进制。如radix=10,表明按10进制拆分
* @param d 指定将关键字拆分成几个子关键字
*/
public static void radixSort(int[] data, int radix, int d)
{
System.out.println("开始排序:");
int arrayLength = data.length;
//需要一个临时数组
int[] tmp = new int[arrayLength];
//buckets数组是桶式排序必须buckets数组
int[] buckets = new int[radix];
//依次从最高位的子关键字对待排数据进行排序
//下面循环中rate用于保存当前计算的位(比如十位时rate=10)
for(int i = 0 , rate = 1 ; i < d ; i++)
{
//重置count数组,开始统计第二个关键字
Arrays.fill(buckets, 0);
//将data数组的元素复制到temporary数组中进行缓存
System.arraycopy(data, 0, tmp, 0, arrayLength);
//计算每个待排序数据的子关键字
for(int j = 0 ; j < arrayLength ; j++)
{
//计算数据指定位上的子关键字
int subKey = (tmp[j] / rate) % radix;
buckets[subKey]++;
}
for(int j = 1 ; j < radix ; j++)
{
buckets[j] = buckets[j] + buckets[j-1];
}
//按子关键字对指定数据进行排序
for(int m = arrayLength - 1 ; m >= 0 ; m--)
{
int subKey = (tmp[m] / rate) % radix;
data[--buckets[subKey]] = tmp[m];
}
System.out.println("对" + rate + "位上子关键字排序:"
+ java.util.Arrays.toString(data));
rate *= radix;
}
}
public static void main(String[] args)
{
int[] data = {1100 , 192 , 221 , 12 , 13};
System.out.println("排序之前:\n"
+ java.util.Arrays.toString(data));
radixSort(data , 10 , 4);
System.out.println("排序之后:\n"
+ java.util.Arrays.toString(data));
}
}