LeetCode(748)——最短完整词(JavaScript)

博客介绍了如何使用JavaScript解决LeetCode中的第748题,即寻找最短完整词。在给定的单词列表中,找到一个单词,该单词包含牌照中所有不区分大小写的字母。示例展示了如何处理含有重复字符的牌照,以及当有多词符合条件时选择最靠前的单词作为答案。
摘要由CSDN通过智能技术生成

如果单词列表(words)中的一个单词包含牌照(licensePlate)中所有的字母,那么我们称之为完整词。在所有完整词中,最短的单词我们称之为最短完整词。

单词在匹配牌照中的字母时不区分大小写,比如牌照中的 "P" 依然可以匹配单词中的 "p"字母。

我们保证一定存在一个最短完整词。当有多个单词都符合最短完整词的匹配条件时取单词列表中最靠前的一个。

牌照中可能包含多个相同的字符,比如说:对于牌照 "PP",单词 "pair" 无法匹配,但是"supper" 可以匹配。

示例1:
输入:licensePlate = “1s3 PSt”, words = [“step”, “steps”, “stripe”, “stepple”]
输出:“steps”
说明:最短完整词应该包括 “s”、“p”、“s” 以及 “t”。对于 “step” 它只包含一个 “s” 所以它不符合条件。同时在匹配过程中我们忽略牌照中的大小写。

示例2:
输入:licensePlate = “1s3 456”, words = [“looks”, “pest”, “stew”, “show”]
输出:“pest”
说明:存在 3 个包含字母 “s” 且有着最短长度的完整词,但我们返回最先出现的完整词。

注意:

  1. 牌照(licensePlate)的长度在区域[1, 7]中。
  2. 牌照(licensePlate)将会包含数字、空格、或者字母(大写和小写)。
  3. 单词列表(words)长度在区间 [10, 1000] 中。
  4. 每一个单词words[i]都是小写,并且长度在区间 [1, 15] 中。
/**
 * @param {string} licensePlate
 * @param {string[]} words
 * @return {string}
 */
var shortestCompletingWord = function(licensePlate, words) {

};

个人解法

var shortestCompletingWord = function(licensePlate, words) {
    //arr存放将牌照字符串转化的数组
    var arr = licensePlate.split("");
    //将牌照的非字母过滤掉
    arr = arr.filter(element => (element.charCodeAt() >= 65 && element.charCodeAt() <= 90) || (element.charCodeAt() >= 97 && element.charCodeAt() <= 122));
    //将牌照中的字母都转为小写
    arr.forEach((element , index) => {
        arr[index] = element.toLowerCase();
    });
    //results存放所有满足条件的单词
    var results = [];
    //遍历
    lable:for(var i = 0; i < words.length; i++){
        var word = words[i].split("");
        for(var j = 0; j < arr.length; j++){
            //如果单词不存在牌照的字母就跳过这个单词
            if(word.indexOf(arr[j]) === -1){
                continue lable;
            }else{
                //单词存在这个字幕就把这个字母去掉,继续遍历下一个牌照字母
                word.splice(word.indexOf(arr[j]) , 1);
            }
        }
        //如果牌照字母单词都有,那么就放进results里面
        results.push(words[i]);
    }
    //找到长度最短的且最先出现的单词
    var min = 15,
    result = "";
    results.forEach(element => {
        if(element.length < min){
            min = element.length;
            result = element;
        }
    });
    return result;
};
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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