programming study 2014.08.07

/* 识别字符串中的整数并转换为数字形式(40分)


问题描述: 
识别输入字符串中所有的整数,统计整数个数并将这些字符串形式的整数转换为数字形式整数。


要求实现函数: 
void take_num(const char *strIn, int *n, unsigned int *outArray)


【输入】 strIn:   输入的字符串


【输出】 n:       统计识别出来的整数个数


       outArray:识别出来的整数值,其中outArray[0]是输入字符串中从左到右第一个整数,


 outArray[1]是第二个整数,以此类推。数组地址已经分配,可以直接使用


【返回】 无


注:


I、     不考虑字符串中出现的正负号(+, -),即所有转换结果为非负整数(包括0和正整数)


II、    不考虑转换后整数超出范围情况,即测试用例中可能出现的最大整数不会超过unsigned int可处理的范围


III、   需要考虑 '0' 开始的数字字符串情况,比如 "00035" ,应转换为整数35;


        "000" 应转换为整数0;"00.0035" 应转换为整数0和35(忽略小数点:mmm.nnn当成两个数mmm和nnn来识别)


IV、   输入字符串不会超过100 Bytes,请不用考虑超长字符串的情况。


示例 
输入:strIn = "ab00cd+123fght456-25  3.005fgh"


输出:n = 6


outArray = {0, 123, 456, 25, 3, 5}
*/


#include<stdio.h>
#include<string.h>
#include<math.h>


void take_num(const char *strIn, int n, unsigned int *outArray)
{
double data=0;
int num=0;
for(int i=0;i<strlen(strIn);i++)
{
if(*(strIn+i)>=48 && *(strIn+i)<=57)
{
num++;//记录数字位数
if(*(strIn+i)!='0') //遇到0不输出
{printf("%d",(*(strIn+i)-48));}

for(int j=1;j<=strlen(strIn)-i;j++)
{
if(*(strIn+i+j)>=48 && *(strIn+i+j)<=57) //若仍然为数字
{
if(*(strIn+i+j)!='0')
{printf("%d",(*(strIn+i+j)-48));}
        num++;}//位数增加
else //不为数字时
{
printf("\n");
n++; //数字个数加1
   break;
}
}
for(int k=0;k<num;k++)
{data += (*(strIn+i+k)-48)*pow(10.0,num-1-k);}
   i=i+num-1;
num=0;//位数清0
outArray[n-1]=(unsigned int)data; //将数字赋值给outarray
data=0;//数字清零

   }
}
printf("\n%d\n",n);
for(int i=0;i<n;i++)
{printf("%5d",outArray[i]);}
}


int main()
{
    void take_num(const char *strIn, int n, unsigned int *outArray);
char strIn[]="k1k2k3k4k5k3.2k2,1k3k003";
unsigned int outArray[100];
int n=0;
take_num(strIn,n,outArray);

return 0;
}
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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