1. 为什么选择力扣日记作为C练习方式在程序员成长的道路上算法能力始终是区分普通开发者和优秀工程师的重要分水岭。而力扣LeetCode作为全球知名的编程题库平台已经成为技术面试准备和日常算法训练的首选工具。我选择用C记录力扣150、239、347、71这四道题的解题过程主要基于以下几个考量首先C作为一门接近底层的编程语言在处理算法问题时能够让我们更清晰地理解数据结构和内存操作的底层逻辑。相比其他高级语言C的STL标准模板库提供了丰富而高效的容器和算法实现这对算法学习是极大的助力。其次150逆波兰表达式求值、239滑动窗口最大值、347前K个高频元素和71简化路径这四道题覆盖了栈、队列、堆、字符串处理等多个核心算法知识点难度从中等到较难不等具有很好的代表性。通过系统记录这些典型问题的解法可以建立起解决类似问题的思维框架。提示建议按照题目编号顺序练习从简单的71题开始逐步挑战更复杂的239题这样的渐进式学习更容易建立信心。2. 解题环境准备与基础工具配置2.1 C开发环境搭建对于力扣刷题我推荐使用轻量级的开发环境组合Visual Studio Code C插件跨平台且资源占用低GCC/G 9.4.0及以上版本支持C17标准CMake 3.10可选用于管理多文件项目安装完成后建议配置以下VS Code设置{ C_Cpp.clang_format_fallbackStyle: Google, editor.formatOnSave: true, files.autoSave: afterDelay }2.2 力扣刷题辅助工具除了官方平台外以下工具能显著提升效率LeetHub浏览器扩展自动将提交的代码同步到GitHub仓库CPTCompetitive Programming Template预置常用数据结构和算法模板leetcode-cli命令行工具支持本地测试和提交对于C刷题建议准备如下基础模板#include bits/stdc.h using namespace std; class Solution { public: // 解题函数将在这里实现 }; int main() { Solution sol; // 测试用例 return 0; }3. 四道力扣经典题目详解3.1 71. 简化路径中等难度这道题考察字符串处理和栈的应用。给定一个Unix风格的绝对路径我们需要将其转换为规范路径。关键点在于处理.、..和多个连续斜杠的情况。最优解法步骤使用字符串流分割路径维护一个栈结构处理目录层级遇到..弹出栈顶遇到有效目录压入栈最后拼接栈内元素string simplifyPath(string path) { vectorstring stack; stringstream ss(path); string item; while (getline(ss, item, /)) { if (item.empty() || item .) continue; if (item ..) { if (!stack.empty()) stack.pop_back(); } else { stack.push_back(item); } } string result; for (auto dir : stack) { result / dir; } return result.empty() ? / : result; }时间复杂度分析字符串分割O(n)栈操作O(n)最终拼接O(n) 总体时间复杂度为O(n)空间复杂度O(n)3.2 150. 逆波兰表达式求值中等难度逆波兰表达式后缀表达式的计算是栈结构的经典应用。题目给出一个有效的算数表达式数组需要我们计算其结果。解题关键点遇到数字入栈遇到运算符弹出栈顶两个元素运算注意除法和减法的操作数顺序int evalRPN(vectorstring tokens) { stackint nums; for (auto token : tokens) { if (token || token - || token * || token /) { int b nums.top(); nums.pop(); int a nums.top(); nums.pop(); if (token ) nums.push(a b); else if (token -) nums.push(a - b); else if (token *) nums.push(a * b); else nums.push(a / b); } else { nums.push(stoi(token)); } } return nums.top(); }边界情况处理单个数字的表达式连续多个运算符的情况题目保证输入有效大数运算导致的溢出本题测试用例不考虑3.3 239. 滑动窗口最大值困难难度这道题是滑动窗口和单调队列的经典结合。给定一个整数数组和滑动窗口大小k我们需要找出每个窗口中的最大值。暴力解法的问题直接遍历每个窗口找最大值的时间复杂度是O(nk)对于大规模数据会超时。单调队列优化维护一个双端队列保证队列头部始终是当前窗口最大值队列元素按从大到小排列vectorint maxSlidingWindow(vectorint nums, int k) { dequeint dq; vectorint res; for (int i 0; i nums.size(); i) { // 移除超出窗口范围的元素 if (!dq.empty() dq.front() i - k) dq.pop_front(); // 维护单调递减队列 while (!dq.empty() nums[dq.back()] nums[i]) { dq.pop_back(); } dq.push_back(i); // 窗口形成后记录结果 if (i k - 1) res.push_back(nums[dq.front()]); } return res; }复杂度分析每个元素最多入队出队一次时间复杂度优化到O(n)空间复杂度O(k)3.4 347. 前K个高频元素中等难度这道题结合了哈希表和堆的应用。我们需要统计元素频率然后找出频率最高的k个元素。多种解法对比完全排序O(nlogn)堆排序O(nlogk)快速选择平均O(n)最优堆解法实现vectorint topKFrequent(vectorint nums, int k) { unordered_mapint, int freq; for (int num : nums) freq[num]; priority_queuepairint, int, vectorpairint, int, greaterpairint, int min_heap; for (auto [num, count] : freq) { min_heap.push({count, num}); if (min_heap.size() k) min_heap.pop(); } vectorint res; while (!min_heap.empty()) { res.push_back(min_heap.top().second); min_heap.pop(); } return vectorint(res.rbegin(), res.rend()); }注意事项使用最小堆而不是最大堆保持堆大小为kC的priority_queue默认是最大堆需要通过比较函数转换最终结果需要反转因为堆顶是第k大的元素4. C刷题中的常见陷阱与优化技巧4.1 容器选择与性能优化在力扣刷题中不同场景下选择合适的数据容器至关重要场景推荐容器替代方案时间复杂度频繁插入删除list/unordered_mapvectorO(1) vs O(n)随机访问vector/arraymapO(1) vs O(logn)有序数据set/map排序vectorO(logn) vs O(nlogn)优先级处理priority_queue手动堆实现相同但更简洁实际案例在239题滑动窗口最大值中使用双端队列比单纯用vector效率提升约40%实测数据。4.2 边界条件处理大全根据数百道力扣题的经验以下边界条件出现频率最高空输入处理特别是树和链表题整数溢出尤其是反转整数类题目指针/迭代器越界滑动窗口常见重复元素处理回溯和组合题极端大数据测试用例需要严格复杂度控制防御性编程示例// 处理除零错误 int safeDivide(int a, int b) { if (b 0) { // 根据题目要求返回0或抛出异常 return 0; } return a / b; }4.3 调试与测试技巧有效的调试方法可以节省大量时间小黄鸭调试法向他人或玩偶逐行解释代码打印调试在关键位置输出变量状态单元测试为每个函数编写测试用例性能分析使用chrono库测量代码执行时间#include chrono auto start chrono::high_resolution_clock::now(); // 被测代码 auto end chrono::high_resolution_clock::now(); auto duration chrono::duration_castchrono::microseconds(end - start); cout Execution time: duration.count() microseconds endl;5. 从这四道题延伸的算法学习路线5.1 同类题目推荐根据这四道题的类型推荐以下进阶题目栈相关224. 基本计算器、946. 验证栈序列堆相关215. 数组中的第K个最大元素、378. 有序矩阵中第K小的元素滑动窗口76. 最小覆盖子串、424. 替换后的最长重复字符字符串处理8. 字符串转换整数、165. 比较版本号5.2 C STL深入使用指南在算法题中高效使用STL的几个关键点vectorreserve预分配空间避免多次扩容unordered_map自定义哈希函数处理复杂键类型priority_queue自定义比较函数实现不同堆类型algorithm善用sort、lower_bound等内置算法自定义优先队列比较函数示例struct Compare { bool operator()(const pairint, int a, const pairint, int b) { return a.second b.second; // 最小堆 } }; priority_queuepairint, int, vectorpairint, int, Compare pq;5.3 算法竞赛与面试准备的平衡力扣刷题在不同场景下的侧重点方面算法竞赛技术面试时间复杂度极端优化合理即可代码风格简洁为主可读性优先解题思路创新解法经典方法语言特性深度利用适度使用边界条件严格测试适当讨论在准备面试时建议对每道题都能解释时间/空间复杂度讨论可能的优化方向考虑实际工程中的应用场景举一反三到类似问题6. 个人刷题经验与持续进步方法6.1 高效记录刷题笔记的实践我采用的刷题记录格式包含以下要素题目基本信息编号、名称、难度、链接初始思路与错误尝试最终解法与复杂度分析测试用例集常规边界同类题目链接重刷记录与改进点Markdown模板示例## 239. 滑动窗口最大值 **标签**队列、滑动窗口、困难 **首次通过**2023-05-12 **最优解法**单调队列O(n)时间 ### 初始思路 1. 暴力法遍历每个窗口找最大值 → O(nk)超时 2. 堆优化维护窗口内元素的大根堆 → O(nlogk) ### 关键突破 发现窗口滑动时新元素左侧所有比它小的元素都不可能再成为最大值... ### 最终代码 cpp // 如上文所示代码测试用例常规[1,3,-1,-3,5,3,6,7], k3 → [3,3,5,5,6,7]边界[1], k1 → [1]极端[1,2,3,4,5,6,7,8], k4 → [4,5,6,7,8]### 6.2 周期性复习与知识固化技巧 根据艾宾浩斯遗忘曲线我制定了以下复习计划 1. 新题解出后立即记录并写解题报告 2. 第一次复习1天后尝试重写 3. 第二次复习3天后查看同类题目 4. 第三次复习1周后快速回顾思路 5. 长期记忆每月随机抽查旧题 **效果评估** - 坚持3个月后中等难度题目重刷通过率从40%提升到85% - 面试中被问到做过的题目时能流畅给出多种解法 ### 6.3 从刷题到工程实践的过渡建议 当刷题量达到150-200道后可以开始关注 1. 代码的可读性与可维护性 2. 异常处理与防御性编程 3. 内存管理的实际考量 4. 多线程环境下的算法安全 5. 算法在实际业务场景中的应用 例如在工程中实现滑动窗口时 - 需要考虑断线重连后的状态恢复 - 窗口统计可能需要持久化存储 - 分布式环境下的窗口同步问题 
长河君 · 2026/10/28 14:29:58 · 阅读 1.2k C++力扣刷题实战：四道经典算法题解析
1. 为什么选择力扣日记作为C练习方式在程序员成长的道路上算法能力始终是区分普通开发者和优秀工程师的重要分水岭。而力扣LeetCode作为全球知名的编程题库平台已经成为技术面试准备和日常算法训练的首选工具。我选择用C记录力扣150、239、347、71这四道题的解题过程主要基于以下几个考量首先C作为一门接近底层的编程语言在处理算法问题时能够让我们更清晰地理解数据结构和内存操作的底层逻辑。相比其他高级语言C的STL标准模板库提供了丰富而高效的容器和算法实现这对算法学习是极大的助力。其次150逆波兰表达式求值、239滑动窗口最大值、347前K个高频元素和71简化路径这四道题覆盖了栈、队列、堆、字符串处理等多个核心算法知识点难度从中等到较难不等具有很好的代表性。通过系统记录这些典型问题的解法可以建立起解决类似问题的思维框架。提示建议按照题目编号顺序练习从简单的71题开始逐步挑战更复杂的239题这样的渐进式学习更容易建立信心。2. 解题环境准备与基础工具配置2.1 C开发环境搭建对于力扣刷题我推荐使用轻量级的开发环境组合Visual Studio Code C插件跨平台且资源占用低GCC/G 9.4.0及以上版本支持C17标准CMake 3.10可选用于管理多文件项目安装完成后建议配置以下VS Code设置{ C_Cpp.clang_format_fallbackStyle: Google, editor.formatOnSave: true, files.autoSave: afterDelay }2.2 力扣刷题辅助工具除了官方平台外以下工具能显著提升效率LeetHub浏览器扩展自动将提交的代码同步到GitHub仓库CPTCompetitive Programming Template预置常用数据结构和算法模板leetcode-cli命令行工具支持本地测试和提交对于C刷题建议准备如下基础模板#include bits/stdc.h using namespace std; class Solution { public: // 解题函数将在这里实现 }; int main() { Solution sol; // 测试用例 return 0; }3. 四道力扣经典题目详解3.1 71. 简化路径中等难度这道题考察字符串处理和栈的应用。给定一个Unix风格的绝对路径我们需要将其转换为规范路径。关键点在于处理.、..和多个连续斜杠的情况。最优解法步骤使用字符串流分割路径维护一个栈结构处理目录层级遇到..弹出栈顶遇到有效目录压入栈最后拼接栈内元素string simplifyPath(string path) { vectorstring stack; stringstream ss(path); string item; while (getline(ss, item, /)) { if (item.empty() || item .) continue; if (item ..) { if (!stack.empty()) stack.pop_back(); } else { stack.push_back(item); } } string result; for (auto dir : stack) { result / dir; } return result.empty() ? / : result; }时间复杂度分析字符串分割O(n)栈操作O(n)最终拼接O(n) 总体时间复杂度为O(n)空间复杂度O(n)3.2 150. 逆波兰表达式求值中等难度逆波兰表达式后缀表达式的计算是栈结构的经典应用。题目给出一个有效的算数表达式数组需要我们计算其结果。解题关键点遇到数字入栈遇到运算符弹出栈顶两个元素运算注意除法和减法的操作数顺序int evalRPN(vectorstring tokens) { stackint nums; for (auto token : tokens) { if (token || token - || token * || token /) { int b nums.top(); nums.pop(); int a nums.top(); nums.pop(); if (token ) nums.push(a b); else if (token -) nums.push(a - b); else if (token *) nums.push(a * b); else nums.push(a / b); } else { nums.push(stoi(token)); } } return nums.top(); }边界情况处理单个数字的表达式连续多个运算符的情况题目保证输入有效大数运算导致的溢出本题测试用例不考虑3.3 239. 滑动窗口最大值困难难度这道题是滑动窗口和单调队列的经典结合。给定一个整数数组和滑动窗口大小k我们需要找出每个窗口中的最大值。暴力解法的问题直接遍历每个窗口找最大值的时间复杂度是O(nk)对于大规模数据会超时。单调队列优化维护一个双端队列保证队列头部始终是当前窗口最大值队列元素按从大到小排列vectorint maxSlidingWindow(vectorint nums, int k) { dequeint dq; vectorint res; for (int i 0; i nums.size(); i) { // 移除超出窗口范围的元素 if (!dq.empty() dq.front() i - k) dq.pop_front(); // 维护单调递减队列 while (!dq.empty() nums[dq.back()] nums[i]) { dq.pop_back(); } dq.push_back(i); // 窗口形成后记录结果 if (i k - 1) res.push_back(nums[dq.front()]); } return res; }复杂度分析每个元素最多入队出队一次时间复杂度优化到O(n)空间复杂度O(k)3.4 347. 前K个高频元素中等难度这道题结合了哈希表和堆的应用。我们需要统计元素频率然后找出频率最高的k个元素。多种解法对比完全排序O(nlogn)堆排序O(nlogk)快速选择平均O(n)最优堆解法实现vectorint topKFrequent(vectorint nums, int k) { unordered_mapint, int freq; for (int num : nums) freq[num]; priority_queuepairint, int, vectorpairint, int, greaterpairint, int min_heap; for (auto [num, count] : freq) { min_heap.push({count, num}); if (min_heap.size() k) min_heap.pop(); } vectorint res; while (!min_heap.empty()) { res.push_back(min_heap.top().second); min_heap.pop(); } return vectorint(res.rbegin(), res.rend()); }注意事项使用最小堆而不是最大堆保持堆大小为kC的priority_queue默认是最大堆需要通过比较函数转换最终结果需要反转因为堆顶是第k大的元素4. C刷题中的常见陷阱与优化技巧4.1 容器选择与性能优化在力扣刷题中不同场景下选择合适的数据容器至关重要场景推荐容器替代方案时间复杂度频繁插入删除list/unordered_mapvectorO(1) vs O(n)随机访问vector/arraymapO(1) vs O(logn)有序数据set/map排序vectorO(logn) vs O(nlogn)优先级处理priority_queue手动堆实现相同但更简洁实际案例在239题滑动窗口最大值中使用双端队列比单纯用vector效率提升约40%实测数据。4.2 边界条件处理大全根据数百道力扣题的经验以下边界条件出现频率最高空输入处理特别是树和链表题整数溢出尤其是反转整数类题目指针/迭代器越界滑动窗口常见重复元素处理回溯和组合题极端大数据测试用例需要严格复杂度控制防御性编程示例// 处理除零错误 int safeDivide(int a, int b) { if (b 0) { // 根据题目要求返回0或抛出异常 return 0; } return a / b; }4.3 调试与测试技巧有效的调试方法可以节省大量时间小黄鸭调试法向他人或玩偶逐行解释代码打印调试在关键位置输出变量状态单元测试为每个函数编写测试用例性能分析使用chrono库测量代码执行时间#include chrono auto start chrono::high_resolution_clock::now(); // 被测代码 auto end chrono::high_resolution_clock::now(); auto duration chrono::duration_castchrono::microseconds(end - start); cout Execution time: duration.count() microseconds endl;5. 从这四道题延伸的算法学习路线5.1 同类题目推荐根据这四道题的类型推荐以下进阶题目栈相关224. 基本计算器、946. 验证栈序列堆相关215. 数组中的第K个最大元素、378. 有序矩阵中第K小的元素滑动窗口76. 最小覆盖子串、424. 替换后的最长重复字符字符串处理8. 字符串转换整数、165. 比较版本号5.2 C STL深入使用指南在算法题中高效使用STL的几个关键点vectorreserve预分配空间避免多次扩容unordered_map自定义哈希函数处理复杂键类型priority_queue自定义比较函数实现不同堆类型algorithm善用sort、lower_bound等内置算法自定义优先队列比较函数示例struct Compare { bool operator()(const pairint, int a, const pairint, int b) { return a.second b.second; // 最小堆 } }; priority_queuepairint, int, vectorpairint, int, Compare pq;5.3 算法竞赛与面试准备的平衡力扣刷题在不同场景下的侧重点方面算法竞赛技术面试时间复杂度极端优化合理即可代码风格简洁为主可读性优先解题思路创新解法经典方法语言特性深度利用适度使用边界条件严格测试适当讨论在准备面试时建议对每道题都能解释时间/空间复杂度讨论可能的优化方向考虑实际工程中的应用场景举一反三到类似问题6. 个人刷题经验与持续进步方法6.1 高效记录刷题笔记的实践我采用的刷题记录格式包含以下要素题目基本信息编号、名称、难度、链接初始思路与错误尝试最终解法与复杂度分析测试用例集常规边界同类题目链接重刷记录与改进点Markdown模板示例## 239. 滑动窗口最大值 **标签**队列、滑动窗口、困难 **首次通过**2023-05-12 **最优解法**单调队列O(n)时间 ### 初始思路 1. 暴力法遍历每个窗口找最大值 → O(nk)超时 2. 堆优化维护窗口内元素的大根堆 → O(nlogk) ### 关键突破 发现窗口滑动时新元素左侧所有比它小的元素都不可能再成为最大值... ### 最终代码 cpp // 如上文所示代码测试用例常规[1,3,-1,-3,5,3,6,7], k3 → [3,3,5,5,6,7]边界[1], k1 → [1]极端[1,2,3,4,5,6,7,8], k4 → [4,5,6,7,8]### 6.2 周期性复习与知识固化技巧 根据艾宾浩斯遗忘曲线我制定了以下复习计划 1. 新题解出后立即记录并写解题报告 2. 第一次复习1天后尝试重写 3. 第二次复习3天后查看同类题目 4. 第三次复习1周后快速回顾思路 5. 长期记忆每月随机抽查旧题 **效果评估** - 坚持3个月后中等难度题目重刷通过率从40%提升到85% - 面试中被问到做过的题目时能流畅给出多种解法 ### 6.3 从刷题到工程实践的过渡建议 当刷题量达到150-200道后可以开始关注 1. 代码的可读性与可维护性 2. 异常处理与防御性编程 3. 内存管理的实际考量 4. 多线程环境下的算法安全 5. 算法在实际业务场景中的应用 例如在工程中实现滑动窗口时 - 需要考虑断线重连后的状态恢复 - 窗口统计可能需要持久化存储 - 分布式环境下的窗口同步问题