博客
关于我
真题演练-字符串匹配
阅读量:714 次
发布时间:2019-03-21

本文共 1555 字,大约阅读时间需要 5 分钟。

为了判断第二个输入的字符串是否是第一个字符串的子串,我们可以按照以下步骤进行实现:

  • 读取输入:使用 gets() 函数读取两个字符串A和B,确保输入的末尾没有多余的换行符。
  • 函数实现:编写一个函数 IsSubString,该函数通过双重循环检查字符串B是否出现在字符串A的任何位置。
  • 输出结果:根据函数返回的值,输出 "Yes" 或 "No"。
  • 代码实现

    #include 
    #include
    // 函数功能:判断b是否是a的子串,是则返回1,否则返回0int IsSubString(char a[], char b[]) { int len_a = strlen(a); int len_b = strlen(b); // 如果b的长度为0,视为是子串 if (len_b == 0) { return 1; } // 只有当a的长度足够长才能有substrings for (int i = 0; i <= len_a - len_b; ++i) { int j = 0; while (j < len_b) { if (a[i + j] != b[j]) { goto end; // 跳到检查下一个i } ++j; } return 1; // 跳出标记end,继续下一个i循环end: // 继续检查下一个i } return 0;}// 主函数,执行输入输出和判断int main() { char a[80]; char b[80]; // 读取并去除末尾的换行符 puts("Input the first string: "); gets(a); size_t end_pos = strrpos(a, '\n'); if (end_pos != STRINGEND) { a[end_pos + 1] = '\0'; } puts("Input the second string: "); gets(b); end_pos = strrpos(b, '\n'); if (end_pos != STRINGEND) { b[end_pos + 1] = '\0'; } puts("Is substr, output \"Yes\" or \"No\": "); int result = IsSubString(a, b); if (result) { puts("Yes"); } else { puts("No"); } return 0;}

    代码解释

  • 读取输入:使用 gets() 读取输入字符串,并使用 strrpos 方法去除末尾的换行符,确保字符串长度正确。
  • 函数实现:函数 IsSubString 使用双重循环来检查字符串B是否存在于字符串A的任何位置。
    • 外层循环遍历字符串A的每个可能的起始位置。
    • 内层循环检查从当前位置开始的连续字符是否与字符串B匹配。
    • 如果找到匹配,返回1;否则,继续检查其他可能的位置。
  • 输出结果:根据函数返回的值输出 "Yes" 或 "No"。
  • 这种方法确保了在判断是否为子串时的效率和准确性,能够处理所有符合条件的输入情况。

    转载地址:http://rdbrz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    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 | 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 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    Opencv中KNN背景分割器
    查看>>