博客
关于我
有效括号算法题(Golang实现)
阅读量:437 次
发布时间:2019-03-06

本文共 1257 字,大约阅读时间需要 4 分钟。

为了判断给定字符串是否有效括号字符串,我们可以使用栈数据结构来模拟括号匹配过程。以下是详细的步骤:

  • 初始化栈和映射关系:创建一个空栈来存储左括号,并创建一个字典来映射右括号到对应的左括号。

  • 处理空字符串:如果输入字符串为空,直接返回true。

  • 检查字符串长度:如果字符串长度为奇数,返回false,因为无法完全匹配。

  • 遍历字符串

    • 遇到左括号({、[、(),将其压入栈。
    • 遇到右括号(}、]、)),检查栈是否为空。如果为空,返回false。
    • 检查栈顶是否是对应的左括号。如果是,弹出栈;否则,返回false。
  • 最终检查栈:遍历结束后,若栈为空,返回true,否则返回false。

  • 以下是用Golang实现的有效括号算法:

    package mainimport "fmt"func isValid(s string) bool {    stack := []byte{}    my_dick := map[byte]byte{        ']': '[',        '}': '{',        ')': '(',    }    s_len := len(s)    if s_len == 0 {        return true    }    if s_len % 2 != 0 {        return false    }    for i := 0; i < s_len; i++ {        char := s[i]        if char == '[' || char == '{' || char == '(' {            stack = append(stack, char)        } else {            if len(stack) == 0 {                return false            }            last := stack[len(stack)-1]            if my_dick[char] == last {                stack = stack[:len(stack)-1]            } else {                return false            }        }    }    return len(stack) == 0}func main() {    result := isValid("{[}}")    fmt.Println(result)}

    解释

    • 初始化栈和映射stack 用于存储左括号,my_dick 用于将右括号映射到对应的左括号。
    • 空字符串和奇数长度检查:直接返回结果。
    • 遍历字符:根据字符类型决定是否入栈或出栈,并检查匹配情况。
    • 最终检查:确保所有括号都匹配,栈为空则有效。

    通过这种方法,我们可以高效且准确地判断括号字符串的有效性。

    转载地址:http://dusuz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>