2026-04-10:连接非零数字并乘以其数字和Ⅱ。用go语言,对每个查询区间 [l, r],按以下步骤处理字符串中的连续片段 s[l..r]: 1.在该子串中按从左到右的顺序,把所有“非零”字符数字

news2026/4/10 4:10:14
2026-04-10连接非零数字并乘以其数字和Ⅱ。用go语言对每个查询区间 [l, r]按以下步骤处理字符串中的连续片段 s[l…r]1.在该子串中按从左到右的顺序把所有“非零”字符数字依次拼接成一个新整数 x如果子串里没有非零数字则令 x 0。2.计算 x 的各位数字之和得到 sum。3.计算结果为 x * sum并对 1000000007 取模。把每个查询对应的取模结果依次放入数组 answer返回 answer。1 m s.length 100000。s 仅由数字组成。1 queries.length 100000。queries[i] [li, ri]。0 li ri m。输入 s “9876543210”, queries [[0,9]]。输出 [444444137]。解释s[0…9] “9876543210”x 987654321sum 9 8 7 6 5 4 3 2 1 45因此答案是 987654321 * 45 44444444445。返回结果为 44444444445 mod (1000000007) 444444137。题目来自力扣3756。算法执行详细过程一、全局预处理预计算10的幂目的因为要拼接数字比如拼接9、8得到989×108需要频繁用到10^k且所有计算都要对1e97取模提前计算好所有可能用到的10的幂避免重复计算浪费时间。规则定义常量mod1e97取模值、maxN100001字符串最大长度初始化数组pow10pow10[0]110的0次方等于1循环计算pow10[i] (pow10[i-1] × 10) % mod直到计算到pow10[100000]。作用后续拼接数字时直接从数组中取值时间复杂度为O(1)。二、核心预处理遍历字符串生成3个前缀数组这一步是离线预处理只遍历一次字符串s生成三个辅助前缀数组所有查询都直接用这三个数组计算这是保证高效的关键。输入样例s 9876543210长度10索引0~9前置说明前缀数组的下标i代表字符串前i个字符s[0]~s[i-1]的统计结果方便区间计算。1. 生成 sumD 数组数字和前缀和作用记录字符串前i个字符中所有数字的总和计算规则sumD[i1] sumD[i] 当前字符的数字样例计算前1个字符9→ sumD[1]9前2个字符9、8→ sumD[2]17…前9个字符9~1→ sumD[9]45前10个字符9~0→ sumD[10]450不影响和。2. 生成 sumNonZero 数组非零数字个数前缀和作用记录字符串前i个字符中非零数字的总个数计算规则遇到非零数字1遇到0不变样例计算前9个字符9~1→ 9个非零数字sumNonZero[9]9前10个字符9~0→ 还是9个非零数字sumNonZero[10]9。3. 生成 preNum 数组非零数字拼接数前缀和作用记录字符串前i个字符中所有非零数字按顺序拼接成的数模mod后的值计算规则遇到非零数字dpreNum[i1] (preNum[i] × 10 d) % mod拼接逻辑原数左移一位新数字遇到0preNum[i1] preNum[i]0直接跳过不拼接样例计算依次拼接9→98→987→…→987654321最终preNum[10] 987654321 % mod。三、处理每一个查询对每个查询[l, r]闭区间对应字符串s[l]~s[r]分4步计算结果步骤1转换区间查询的[l, r]是闭区间转换为前缀数组的计算区间l → lr → r1。步骤2计算区间内的核心参数区间非零数字个数length sumNonZero[r1] - sumNonZero[l]样例查询[0,9] → length9-09。区间数字和sumsum sumD[r1] - sumD[l]样例sum45-045。区间拼接数x公式x (preNum[r1] - preNum[l] × pow10[length] % mod mod) % mod原理前缀拼接数preNum[r1] 左边前缀拼接数 × 10^非零个数 区间拼接数移项得区间拼接数 总拼接数 - 左边前缀拼接数×10^非零个数加mod再取模保证结果为正数。样例x987654321。步骤3计算最终结果结果 (x × sum) % mod样例987654321 × 45 44444444445对1e97取模得到444444137。步骤4存储结果将每个查询的结果存入答案数组最终返回答案数组。时间复杂度 额外空间复杂度1. 总时间复杂度全局预处理10的幂O(maxN) O(10⁵)常数级字符串遍历生成前缀数组O(n)n是字符串长度≤10⁵处理所有查询O(q)q是查询次数≤10⁵总时间复杂度O(n q)线性复杂度完美适配题目10⁵量级的输入要求2. 总额外空间复杂度固定数组pow10[100001] → O(1)前缀数组sumD、preNum、sumNonZero长度均为n1 → O(n)答案数组长度为查询次数q → O(q)总额外空间复杂度O(n q)线性空间符合题目内存要求总结核心思路离线预处理前缀和用一次遍历生成辅助数组让每个查询都能O(1)计算关键处理跳过0、拼接数字用10的幂快速计算、全程取模避免溢出效率时间O(nq)、空间O(nq)完美适配题目10万级数据规模。Go完整代码如下packagemainimport(fmt)constmod1_000_000_007constmaxN100_001varpow10[maxN]int{1}funcinit(){// 预处理 10 的幂fori:1;imaxN;i{pow10[i]pow10[i-1]*10%mod}}funcsumAndMultiply(sstring,queries[][]int)[]int{n:len(s)sumD:make([]int,n1)// s 的前缀和preNum:make([]int,n1)// s 的前缀对应的数字模 modsumNonZero:make([]int,n1)// s 的前缀中的非零数字个数fori,ch:ranges{d:int(ch-0)sumD[i1]sumD[i]d preNum[i1]preNum[i]sumNonZero[i1]sumNonZero[i]ifd0{preNum[i1](preNum[i]*10d)%mod sumNonZero[i1]}}ans:make([]int,len(queries))fori,q:rangequeries{l,r:q[0],q[1]1length:sumNonZero[r]-sumNonZero[l]x:preNum[r]-preNum[l]*pow10[length]%modmod// mod 保证结果非负ans[i]x*(sumD[r]-sumD[l])%mod}returnans}funcmain(){s:9876543210queries:[][]int{{0,9}}result:sumAndMultiply(s,queries)fmt.Println(result)}Python完整代码如下# -*-coding:utf-8-*-MOD1_000_000_007MAX_N100_001# 预处理10的幂pow10[1]*MAX_Nforiinrange(1,MAX_N):pow10[i]pow10[i-1]*10%MODdefsum_and_multiply(s:str,queries:list)-list:nlen(s)sumD[0]*(n1)# s的前缀和preNum[0]*(n1)# s的前缀对应的数字模MODsumNonZero[0]*(n1)# s的前缀中的非零数字个数fori,chinenumerate(s):dord(ch)-ord(0)sumD[i1]sumD[i]d preNum[i1]preNum[i]sumNonZero[i1]sumNonZero[i]ifd0:preNum[i1](preNum[i]*10d)%MOD sumNonZero[i1]1ans[]forqinqueries:l,rq[0],q[1]1lengthsumNonZero[r]-sumNonZero[l]x(preNum[r]-preNum[l]*pow10[length]%MODMOD)%MOD ans.append(x*(sumD[r]-sumD[l])%MOD)returnansdefmain():s9876543210queries[[0,9]]resultsum_and_multiply(s,queries)print(result)if__name____main__:main()C完整代码如下#includeiostream#includevector#includestringusingnamespacestd;constintMOD1000000007;constintMAX_N100001;vectorintpow10(MAX_N,1);// 初始化函数预处理10的幂voidinit(){for(inti1;iMAX_N;i){pow10[i](longlong)pow10[i-1]*10%MOD;}}vectorintsumAndMultiply(conststrings,constvectorvectorintqueries){intns.length();vectorintsumD(n1,0);// s的前缀和vectorintpreNum(n1,0);// s的前缀对应的数字模modvectorintsumNonZero(n1,0);// s的前缀中的非零数字个数for(inti0;in;i){intds[i]-0;sumD[i1]sumD[i]d;preNum[i1]preNum[i];sumNonZero[i1]sumNonZero[i];if(d0){preNum[i1]((longlong)preNum[i]*10d)%MOD;sumNonZero[i1];}}vectorintans(queries.size());for(size_t i0;iqueries.size();i){intlqueries[i][0];intrqueries[i][1]1;intlengthsumNonZero[r]-sumNonZero[l];longlongxpreNum[r]-(longlong)preNum[l]*pow10[length]%MODMOD;x%MOD;ans[i](x*(sumD[r]-sumD[l]))%MOD;}returnans;}intmain(){init();// 初始化pow10数组string s9876543210;vectorvectorintqueries{{0,9}};vectorintresultsumAndMultiply(s,queries);for(intval:result){coutval ;}coutendl;return0;}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2501651.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…