博客
关于我
String- 单词方阵
阅读量:548 次
发布时间:2019-03-09

本文共 853 字,大约阅读时间需要 2 分钟。

技术员编写的代码解析:

在给定的C代码中,我们可以看到它是一个用于二维字符匹配的程序。这个程序的主要功能是读取一个方阵的大小n,然后读取n个长度为n的字符串,并在其中找到字符串"yizhong"的所有起始位置,并将这些位置标记在book数组中。最终程序会输出标记和未标记的字符。

程序的核心是machining函数,它尝试在给定的位置(x, y)周围寻找"yizhong"的匹配。假设我们已经正确初始化了数组和函数,那么程序可以正常工作。现在我们从输入处理到输出处理的流程进行解析。

程序首先读取方阵的大小n,并处理回车符。接着,读取n个字符串,并将它们存储在二维数组a中。然后,使用一个char数组c存储"yizhong"。

接下来,程序使用book数组记录起始点和与之相连的"yizhong"字符的位置。通过遍历每一个字符(i, j),如果字符等于c[0],即'y',则调用machining函数。

在machining函数中,我们想要找到从(i, j)开始的"yizhong"。我们需要使用一个数组next来表示8个方向。对于每一个方向,我们沿着方向移动6步,并检查每一步的字符是否与c数组中的对应字符匹配。如果在移动6步过程中遇到字符不匹配或越界,则提前退出循环。

如果我们能够移动6步并且字符全部匹配,那么说明在(i, j)处存在"yizhong"。此时,我们需要标记起始点(i, j)以及接下来的6个字符位置到book数组中,以表示这些字符都是"yizhong"的部分。

在编写程序时要注意数组索引的问题,因为n可能会很大,但是在这个例子中,n的大小 limit 被正确处理。在输出阶段,我们检查book数组是否标记并输出相应的字符或星号。

虽然程序看起来正确,但需要注意数组越界的情况,并确保所有的字符都被正确处理。另外,在主函数中,我们调用machining函数的次数需要控制好,否则会导致性能问题。

总结来说,这段代码完成了一个简单的二维字符匹配任务,不过可以优化代码结构和错误处理部分。

转载地址:http://vvzsz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>