leetcode-68. 文本左右对齐(困难)

leetcode-文本左右对齐


一,题目

给定一个单词数组和一个长度 maxWidth,重新排版单词,使其成为每行恰好有 maxWidth 个字符,且左右两端对齐的文本。

你应该使用“贪心算法”来放置给定的单词;也就是说,尽可能多地往每行中放置单词。必要时可用空格 ’ ’ 填充,使得每行恰好有 maxWidth 个字符。

要求尽可能均匀分配单词间的空格数量。如果某一行单词间的空格不能均匀分配,则左侧放置的空格数要多于右侧的空格数。

文本的最后一行应为左对齐,且单词之间不插入额外的空格。

说明:

单词是指由非空格字符组成的字符序列。
每个单词的长度大于 0,小于等于 maxWidth。
输入单词数组 words 至少包含一个单词。
示例:

输入:
words = [“This”, “is”, “an”, “example”, “of”, “text”, “justification.”]
maxWidth = 16
输出:
[
“This is an”,
“example of text”,
"justification. "
]
示例 2:

输入:
words = [“What”,“must”,“be”,“acknowledgment”,“shall”,“be”]
maxWidth = 16
输出:
[
“What must be”,
"acknowledgment ",
"shall be "
]
解释: 注意最后一行的格式应为 "shall be " 而不是 “shall be”,
因为最后一行应为左对齐,而不是左右两端对齐。
第二行同样为左对齐,这是因为这行只包含一个单词。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/text-justification
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

二,解题思路

根据题干描述的贪心算法,对于每一行,我们首先确定最多可以放置多少单词,这样可以得到该行的空格个数,从而确定该行单词之间的空格个数。

根据题目中填充空格的细节,我们分以下三种情况讨论:

当前行是最后一行:单词左对齐,且单词之间应只有一个空格,在行末填充剩余空格;
当前行不是最后一行,且只有一个单词:该单词左对齐,在行末填充空格;
当前行不是最后一行,且不只一个单词:设当前行单词数为 numWords,空格数为numSpaces,我们需要将空格均匀分配在单词之间,则单词之间应至少有
ansspace = (maxWidth-num)/(semp-i-1);个空格,对于多出来的空格 int extraspace = (maxWidth-num)%(semp-i-1);个空格,应填在前extraSpaces 个单词之间,即平均分布给每前extraSpaces 个单词。

二、代码

代码如下(示例):

	  public static List<String> fullJustify(String[] words, int maxWidth) {
		 int i,semp =0,n = words.length;
		 List<String> ans = new ArrayList<String>();
		 for(semp=0;semp<n;) {
			 int num=0;i=semp;
			 while(semp<n) {
				 if(num+words[semp].length()+(semp-i)<=maxWidth){	
					
					 num +=words[semp].length();
					 semp++;
				 }else {
					 break;
				 }
			 }
			 String temp="";	
			 if(num==maxWidth)
			 {
			   for(;i<semp;i++) {
				   temp += words[i];
			   }
			 }else {
				if(semp-i==1) {
					temp+=words[i];
					temp+=blank(maxWidth-num);
					
				}else if(semp==n) {
					int lastspace = (maxWidth-num)-(semp-i-1); ///注意最后一行的末尾,这个语句不能放到后面执行,要在i改变之前确认lastspace的值,此处犯了一个错误,没有注意到i的值发生了改变以至于最后多加了空格
					//再次提交错误原因,空格数是(maxWidth-num)-(semp-i-1)而不是 (maxWidth-num)-(semp-i);
					for(;i<semp-1;i++) {
						temp+=words[i];
						temp+=blank(1);
					}
					temp+=words[i];
					temp+=blank(lastspace);
					System.out.println("qw"+num+"  "+ i+semp);
				}
				else {
				int ansapace = (maxWidth-num)/(semp-i-1);
				System.out.println("qw"+ansapace +"  "+ i+semp);
				int extraspace = (maxWidth-num)%(semp-i-1);
				int count =0;
				for(i=i;i<semp-1;i++) {
					temp+=words[i];
					temp+=blank(ansapace);
					if(count<extraspace) {
						count++;
						temp+=blank(1);
					}
				}
				temp+=words[i];
				}
			 }
			 //考虑最后一行左对齐
			ans.add(temp); 
		 }
		  
		return ans;
          
	    }
	  // blank 返回长度为 n 的由空格组成的字符串
	    public static String blank(int n) {
	        StringBuffer sb = new StringBuffer();
	        for (int i = 0; i < n; ++i) {
	            sb.append('-');
	        }
	        return sb.toString();
	    }

总结

本题其实思路简单,先采用贪心算法,使每行有尽可能多的单词,然后在放置空格
本题盲点需注意:
1.最后一行要左对齐,单词之间只需插入一个空格,若单词出现句号"." 则不需要空格,将单词与后一个单词拼接。
2.拉低解题效率最重要的一点就是,不清楚代码各处的值的变化,需要多次输出才确认下来,还有解题思路不清晰,很多小细节没有注意到。非常多的盲点

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值