LeetCode18--文件夹操作日志搜集器和数据流中的第k大元素

今天把所有有关栈的简单题都给刷了，最后几道面试题和前面的是重复的，在这里就不载记述了。 

1.文件夹操作日志搜集器

//每当用户执行变更文件夹操作时，LeetCode 文件系统都会保存一条日志记录。 
//
// 下面给出对变更操作的说明： 
//
// 
// "../" ：移动到当前文件夹的父文件夹。如果已经在主文件夹下，则 继续停留在当前文件夹 。 
// "./" ：继续停留在当前文件夹。 
// "x/" ：移动到名为 x 的子文件夹中。题目数据 保证总是存在文件夹 x 。 
// 
//
// 给你一个字符串列表 logs ，其中 logs[i] 是用户在 ith 步执行的操作。 
//
// 文件系统启动时位于主文件夹，然后执行 logs 中的操作。 
//
// 执行完所有变更文件夹操作后，请你找出 返回主文件夹所需的最小步数 。 
//
// 
//
// 示例 1： 
//
// 
//
// 输入：logs = ["d1/","d2/","../","d21/","./"]
//输出：2
//解释：执行 "../" 操作变更文件夹 2 次，即可回到主文件夹
// 
//
// 示例 2： 
//
// 
//
// 输入：logs = ["d1/","d2/","./","d3/","../","d31/"]
//输出：3
// 
//
// 示例 3： 
//
// 输入：logs = ["d1/","../","../","../"]
//输出：0
// 
//
// 
//
// 提示： 
//
// 
// 1 <= logs.length <= 103 
// 2 <= logs[i].length <= 10 
// logs[i] 包含小写英文字母，数字，'.' 和 '/' 
// logs[i] 符合语句中描述的格式 
// 文件夹名称由小写英文字母和数字组成 
// 
// Related Topics 栈

注意，判断字符串是否相等的时候采用equls，否则会报错。 

public int minOperations(String[] logs) {
        Deque<String> deque = new LinkedList<>();
        for (int i = 0; i < logs.length; i++) {
            if(logs[i].equals("../")  && !deque.isEmpty()){
                deque.pop();
            }else if(logs[i].equals("./")){

            }else if(logs[i].equals("../")  && deque.isEmpty()){

            }
            else{
                deque.push(logs[i]);
            }
        }
        int k = 0;
        while(!deque.isEmpty()){
            deque.pop();
            k++;
        }
        return k;
    }

 2.数据流中的第k大元素

//设计一个找到数据流中第 k 大元素的类（class）。注意是排序后的第 k 大元素，不是第 k 个不同的元素。 
//
// 请实现 KthLargest 类： 
//
// 
// KthLargest(int k, int[] nums) 使用整数 k 和整数流 nums 初始化对象。 
// int add(int val) 将 val 插入数据流 nums 后，返回当前数据流中第 k 大的元素。 
// 
//
// 
//
// 示例： 
//
// 
//输入：
//["KthLargest", "add", "add", "add", "add", "add"]
//[[3, [4, 5, 8, 2]], [3], [5], [10], [9], [4]]
//输出：
//[null, 4, 5, 5, 8, 8]
//
//解释：
//KthLargest kthLargest = new KthLargest(3, [4, 5, 8, 2]);
//kthLargest.add(3);   // return 4
//kthLargest.add(5);   // return 5
//kthLargest.add(10);  // return 5
//kthLargest.add(9);   // return 8
//kthLargest.add(4);   // return 8
// 
//
// 
//提示：
//
// 
// 1 <= k <= 104 
// 0 <= nums.length <= 104 
// -104 <= nums[i] <= 104 
// -104 <= val <= 104 
// 最多调用 add 方法 104 次 
// 题目数据保证，在查找第 k 大元素时，数组中至少有 k 个元素 
// 
// Related Topics 堆 设计

第一次接触到堆这种数据结构，题解中采用优先级队列PriorityQueue，大大简化了分析过程，直接将排序就交给了队列，我们只负责push和pop就行了。

class KthLargest {
        //这里使用优先级队列是因为其优良的特性，可以以一定的方式排列队列中的元素
        private PriorityQueue<Integer> queue;
        private int limit;

        public KthLargest(int k, int[] nums) {
            limit = k;
            queue = new PriorityQueue<>(k);
            for (int num : nums) {
                add(num);
            }
        }

        public int add(int val) {
            if (queue.size() < limit) {
                queue.add(val);
                //只要有大于queue.peek()的直接将其出队列，并把新的元素压入队列，排序交给优先级队列
            } else if (val > queue.peek()) {
                queue.poll();
                queue.add(val);
            }

            return queue.peek();
        }
}