【C++经典例题】反转字符串中单词的字符顺序:两种实现方法详解

【C++经典例题】反转字符串中单词的字符顺序:两种实现方法详解
           💓 博客主页:倔强的石头的ZEEKLOG主页 

           📝Gitee主页:
倔强的石头的gitee主页

            ⏩ 文章专栏:C++经典例题

                                  期待您的关注

 

目录

问题描述

基于快慢指针的解法

基于索引的解法

两种方法的比较


 

问题描述

在处理字符串相关的问题时,反转字符串中每个单词的字符顺序是一个常见的任务,同时要保证空格和单词的初始顺序不变。

 

给定一个字符串 s ,你需要反转字符串中每个单词的字符顺序,同时仍保留空格和单词的初始顺序。

  • s 包含可打印的 ASCII 字符。
  • s 不包含任何开头或结尾空格。
  • s 里 至少 有一个词。
  • s 中的所有单词都用一个空格隔开。

原题链接:557. 反转字符串中的单词 III - 力扣(LeetCode)

下面我们将详细介绍两种解决该问题的方法,包括其解题思路和具体实现细节。

 


基于快慢指针的解法


1. 解题思路


快慢指针是一种常用的技巧,在本题中,快指针用于遍历字符串,慢指针用于标记每个单词的起始位置。

当快指针遇到空格时,就表示一个单词已经遍历完,此时可以对慢指针到快指针之间的字符进行反转。

遍历完整个字符串后,还需要对最后一个单词进行反转,因为最后一个单词后面没有空格来触发反转操作。同时,这也对只要一个单词的情况进行了处理

 


2. 代码实现

class Solution { public: string reverseWords(string s) //快慢指针解法 { string::iterator fast = s.begin(); string::iterator slow = s.begin(); while( fast != s.end() )//快指针走完就结束 { if(*fast==' ') //快指针走到空格位置停下,反转该部分字母 { reverse(slow,fast); slow = fast+1; } ++fast; } reverse(slow,fast);//出循环时,慢指针留在最后一个单词的第一个字母 //快指针在\0位置,还需要反转一次 //同时可以对只要一个单词的string处理 return s; } };


3. 代码细节分析

  • 指针初始化:首先定义了快指针 fast 和慢指针 slow,并将它们都初始化为字符串 s 的起始位置 s.begin()。
  • 遍历字符串:通过 while 循环,只要快指针 fast 没有到达字符串末尾 s.end(),就继续循环。
  • 单词反转:当快指针 fast 指向的字符为空格时,说明一个单词已经遍历完,此时调用 reverse 函数将慢指针 slow 到快指针 fast 之间的字符进行反转。然后将慢指针 slow 移动到下一个单词的起始位置,即 fast + 1。
  • 最后一个单词处理:循环结束后,慢指针 slow 停留在最后一个单词的起始位置,快指针 fast 指向字符串末尾的下一个位置(即 \0 的位置),此时再调用一次 reverse 函数对最后一个单词进行反转。
  • 返回结果:最后返回反转后的字符串 s。

 

基于索引的解法


1. 解题思路

这种方法使用索引来遍历字符串,通过一个变量记录每个单词的起始位置,当遇到空格或者字符串结束时,对当前单词进行反转。


2. 代码实现

#include <iostream> #include <string> #include <algorithm> class Solution { public: string reverseWords(string s) { int start = 0; // 慢指针,标记每个单词的起始位置 for (int end = 0; end <= s.length(); ++end) { // 当遇到空格或者字符串结束时,反转当前单词 if (end == s.length() || s[end] == ' ') { // 反转从 start 到 end - 1 的字符 std::reverse(s.begin() + start, s.begin() + end); // 更新慢指针到下一个单词的起始位置 start = end + 1; } } return s; } };


3. 代码细节分析

  • 起始位置初始化:定义变量 start 来记录每个单词的起始位置,初始化为 0。
  • 遍历字符串:通过 for 循环,使用变量 end 遍历字符串 s,循环条件为 end <= s.length(),这样可以确保在字符串结束时也能处理最后一个单词。
  • 单词反转:当 end 等于字符串的长度 s.length() 或者 s[end] 为空格时,说明一个单词已经遍历完,此时调用 std::reverse 函数将从 s.begin() + start 到 s.begin() + end 的字符进行反转。
  • 更新起始位置:反转完当前单词后,将 start 更新为 end + 1,即下一个单词的起始位置。
  • 返回结果:循环结束后,返回反转后的字符串 s。

 

两种方法的比较

 

  • 时间复杂度:两种方法的时间复杂度都是 O(n),其中 n 是字符串的长度,因为都需要遍历字符串一次,并且每个字符最多被反转一次。
  • 空间复杂度:两种方法的空间复杂度都是 O(1),因为都只使用了常数级的额外空间。
  • 代码可读性:基于索引的方法代码相对更加简洁,使用索引来处理字符串更加直观,而基于快慢指针的方法需要对指针的操作有较好的理解


通过以上两种方法的详细介绍,我们可以根据具体的需求和个人习惯选择合适的方法来解决反转字符串中单词字符顺序的问题。

 

 

 

 

Read more

OpenClaw 配置本地 Ollama 模型完整指南:零成本打造全离线个人 AI 助理

OpenClaw 配置本地 Ollama 模型完整指南:零成本打造全离线个人 AI 助理(2026 最新版·含 Auth 配置) 大家好,我是你的 AI 技术博主。今天我们来聊一个 2026 年最火的本地 AI 助理项目——OpenClaw。它能帮你清理收件箱、发邮件、管理日历、处理文件、集成 Telegram/WhatsApp,甚至执行复杂任务,而且完全跑在你自己的电脑上。 配合 Ollama 运行本地模型(如 Qwen3、Qwen2.5、GLM-4.7、Llama3.3 等),你就可以实现真正零费用、零网络依赖、全隐私保护的智能体体验。官方从 Ollama 0.17

By Ne0inhk
Topaz Video AI v7.1.1_Win中文_视频修复_汉化便携版安装教程

Topaz Video AI v7.1.1_Win中文_视频修复_汉化便携版安装教程

软件下载 【名称】:****人工智能视频画质增强和修复软件Topaz Video AI v7.1.1 【大小】:****245M 【语言】:简体中文 【安装环境】:Win10/Win11 【夸克网盘下载链接】(务必手机注册): 夸克 【网站下载链接】: 其他网盘 软件介绍 Topaz Video AI(曾用名:Topaz Vide Enhance AI)是一款运用了AI人工智能技术的视频修复增强软件,使用神经网络进行训练的,该神经网络分析成千上万对视频,以了解通常如何丢失细节,够推断出更多细节,从而在单个视频剪辑中提供大量信息的情况下呈现出更加逼真的外观,可以将视频放大至8K分辨率,并提供真实的细节和动作一致性,放大后的视频不会出现模糊的情况,帮您制作漂亮清晰的高档视频素材。 软件安装 **1、 下载解压安装包 **exe格式的压缩包如何解压??? 2、直接管理员身份运行【TopazVideoAIPortable.exe】就行 3、软件界面

By Ne0inhk
AI 绘画神器爆改指南:kohya_ss 一文速通 LoRA 训练与对比解析!

AI 绘画神器爆改指南:kohya_ss 一文速通 LoRA 训练与对比解析!

目 录 * 前言 * kohya_ss * 安装步骤 * 测试 * 风吟kohya_ss-v2 * stable diffusion模型微调方法 * 结果 * kohya_ss 总结 * 工具概览 * 本地安装 vs 云端使用 * Stable Diffusion 微调方法对比 * LoRA 训练的关键参数 * 总结 前言 上一篇文章已经讲了ComfyUI——Windows 结合最新版 ComfyUI 部署图像大模型详细步骤(含Web和本地) 这篇文章来聊一聊关于kohya_ss工具 kohya_ss是一个专为Stable Diffusion模型训练设计的工具,主要用于使用LoRA方法对模型进行微调和训练。 功能与用途 * LoRA模型训练:kohya_ss允许用户通过LoRA(低秩适应)方法对Stable Diffusion模型进行微调。这种方法可以在不修改原始模型参数的情况下,插入新的网络层,从而实现轻量化的模型调校。 * 可视化界面:该工具提供了一个用户友好的可视化界面,

By Ne0inhk
人工智能:计算机视觉的基础与应用

人工智能:计算机视觉的基础与应用

第十二篇:计算机视觉的基础与应用 学习目标 💡 理解计算机视觉的基本概念和重要性 💡 掌握计算机视觉中的图像处理技术、特征提取方法、常用模型与架构 💡 学会使用计算机视觉库(OpenCV、PIL、PyTorch、TensorFlow)进行图像处理、特征提取和模型训练 💡 理解图像分类、目标检测、语义分割等任务的实现方法 💡 通过实战项目,开发一个完整的计算机视觉应用 重点内容 * 计算机视觉的基本概念 * 图像处理技术(图像预处理、增强、滤波) * 特征提取方法(HOG、SIFT、ORB) * 常用模型与架构(LeNet、AlexNet、VGG、ResNet、YOLO) * 实战项目:计算机视觉应用开发(图像分类、目标检测等) 一、计算机视觉基础 1.1 计算机视觉的基本概念 计算机视觉(Computer Vision)是人工智能的一个重要分支,它涉及计算机与图像之间的交互。其目标是让计算机能够理解和解释图像内容,

By Ne0inhk