Java经典面试算法题Day02-求最大公约数和最小公倍数-输入一行字符,分别统计出其中英文字母、空格、数字和其它字符的个数

2023-05-16

😸个人主页👉:神兽汤姆猫

📖系列专栏:开发语言环境配置 、 Java学习 、Java面试  、Markdown等

🔔感言💭:学习上的每一次进步,均来自于平时的努力与坚持。

💕如果此篇文章对您有帮助的话,请点赞转发收藏这对我有很大的帮助

问题:输入两个正整数a和b,求其最大公约数和最小公倍数?

答:

import java.util.Scanner;
public class DemoMaxMin {
    public static int max (int a,int b){
        while (true){
            if ((a = a % b) == 0){
                return b;
            }
            if ((b = b % a) == 0){
                return a;
            }
        }
    }
    public static void main(String[] args) throws Exception {
        Scanner scanner =new Scanner(System.in);
        System.out.println("请输入x的值");
        int x =scanner.nextInt();
        System.out.println("请输入y的值");
        int y =scanner.nextInt();
        int z = max(x,y);
        System.out.println("最小公倍数:"+ x*y/z+"\n最大公约数:"+z);
    }
}

 问题2:输入一行字符,分别统计出其中英文字母、空格、数字和其它字符的个数

问题解析:利用while语句,条件为输入的字符不为 '\n '. 

import java.util.Scanner;
//输入一行字符,分别统计出其中英文字母、空格、数字和其它字符的个数。
//利用while语句,条件为输入的字符不为 '\n '
public class DemoNo1 {
    public static void main(String[] args) {
        System.out.println("请输入字符");
        Scanner scanner = new Scanner(System.in);
        String i = scanner.next();
        String a1 = "[\u4e00-\u9fa5]";
        String a2 = "[a-zA-Z]";
        int x =0;
        int y =0;
        char[] arrChar =i.toCharArray();
        String[] arrString = new String[arrChar.length];
        for (int a =0;a<arrChar.length; a++){
            arrString[a] =String.valueOf(arrChar[a]);
        }
        for (String a:arrString){
            if (a.matches(a1)){
                x++;
            }
            if (a.matches(a2)){
                y++;
            }
        }
        System.out.println("汉字的个数"+x);
        System.out.println("字母的个数"+y);
    }
}

💕如果此篇文章对您有帮助的话,请点赞转发收藏这对我有很大的帮助

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

Java经典面试算法题Day02-求最大公约数和最小公倍数-输入一行字符,分别统计出其中英文字母、空格、数字和其它字符的个数 的相关文章

  • 超分之RCAN

    这篇文章是2018年的ECCV xff0c 作者主要是为了介绍注意力机制在超分领域的应用以及基于注意力机制的这个SR网络 Residual Channel Attention Networks 后文简称RCAN RCAN是一种基于Resid
  • 超分之TDAN

    这篇文章是视频超分 VSR 中flow free的代表作 xff0c 不同于VESPCN中采用flow based xff0c 即光流估计方法来对齐相邻帧的做法 xff0c 本文作者推出的TDAN采用隐式的运动补偿机制 xff0c 利用可变
  • 超分之Robust VSR with Learned Temporal Dynamics

    这篇文章是2017年的ICCV 基于经典的VSR框架 xff0c 作者在对齐网络和时间融合超分网络上都做了一定的该进 其中对齐网络采用了STN的一个变体 xff1b 对齐后的SR网络使用了结合注意力机制的 xff0c 可自动选择时间尺度的时
  • 超分之RDN

    这篇文章提出了一种结合ResNet结构和DenseNet结构的深度超分网络 Residual Dense Network 后文简称RDN RDN基于Residual Dense Block 后文简称RDB 块以及全局残差连接来提取全局特征
  • 【Debian 8.8】Java 8 安装以及环境变量配置

    事实上可以分为简单的三个步骤 xff1a 下载 JDK 压缩包解压压缩包配置环境变量 需要注意的是 xff1a 所有命令默认在 root 权限下进行 xff01 演示环境是 Debian 8 8 64位 xff08 阿里云学生机 xff09
  • 超分之BasicVSR

    这篇文章是2021年的CVPR xff0c 文章作者是和EDVR同一批的人 该篇文章提出了一个轻量且高表现性能的视频超分framework BasicVSR BasicVSR改进了传统VSR结构中的propagation和alignment
  • 超分之DRCN

    这篇文章是2016年的CVPR xff0c 虽然目前来说在性能和计算效率上并不佳 xff0c 但是在当时来说是一种通过较少模型参数加深网络来提升SR表现力的新方法 Deeply Recursive Convolutional Network
  • 超分之BasicVSR++

    这篇文章是BasicVSR的 升级版本 colorbox tomato 升级版本 升 级 版 本 xff0c 同一批作者将BasicVSR中的Propagation和Alignment部分进行了增强产生了新一点VSR方法 BasicVSR
  • 深度学习之DCN-v2

    这篇文章发表在2019的CVPR上 xff0c 是Deformable Convolution Network的进阶版本 DCN v2 xff0c 通过对DCN的两处改进来增加卷积神经网络的适应性与灵活性 具体来说 xff0c 通过堆叠多个
  • 论文笔记之Understanding Deformable Alignment in Video Super-Resolution

    这篇文章是2021年的AAAI xff0c 和EDVR BasicVSR BasicVSR 43 43 是同一批作者 文章最重要的贡献在于 用一个统一的数学表达式去归纳flow based对齐 如TSTN 和flow free对齐 如TDC
  • 超分之VSRT

    这篇文章发表于2021年 xff0c 是Transformer在VSR领域的首篇应用 作者提出了Video Super Resolution Transformer VSRT 结构 xff0c 其由Spatial temporal Conv
  • 深度学习之ViT

    这篇文章的核心是提出了Vision Transformer结构 xff0c 将2017年Attention is All you Need在NLP中引入的Transformer结构应用于计算机视觉任务中 Transformer是一种基于自注
  • 深度学习之COLA-Net

    这篇文章是首篇将局部 Local 注意力和全局 Non Local 注意力进行结合来做图像重建的论文 文章作者设计了一个将局部注意力机制和全局注意力机制一起协同合作来重建图像的网络模型 Collaborative Attention Net
  • 超分之TTVSR

    这篇文章是2022年的CVPR 不同于之前VSR的对齐方式 即flow based或者DCN based 本文提出的Trajectory Aware Transformer for Video Super Resolution TTVSR
  • 深度学习之SuperViT

    这篇文章是今年发表的一篇Transformer类文章 文章作者提出了ViT的增强版 SuperViT 其核心有2个 多尺度输入 Token keeping rate机制 作者通过一系列实验证明SuperViT可以在计算效率和正确率上实现比S
  • IOS编程 浅析

    1 简介IOS是由苹果公司为iPhone iPod touch和iPad等设备开发的操作系统 2 知识点 1 IOS系统 iPhone OS 现在叫iOS 是iPhone iPod touch 和 iPad 设备的操作系统 1 Core O
  • 多层级的SISR算法

    下列是多层级的基于Vision Transformer的单图像超分算法小结 xff1a 以下所列文章均转载于博主暖风 xff0c 博客首页链接 xff1a 暖风 多层级SISR 1 Swin Transformer2 Swin T for
  • 超分之RLSP

    这篇文章是2019年的ICCVW xff0c 其为了视频超分的实时性而只追求速度 xff0c 放弃了表现力 作者提出了一种高效的VSR模型 Recurrent Latent Space Propagation RLSP xff0c 其是一种
  • 超分之VRT

    这篇文章提出了一个适用于VSR的并行超分模型 VRT VRT是一种利用Vision Transformer来做特征传播的模型 xff0c 其核心是一个Temporal Mutual Self Attention TMSA 模块 将基于swi
  • 深度学习之DAT

    这篇文章是2022年Vision Transformer领域的CVPR论文 文章推出了一种新的Vision Transformer模型 Deformable Attention Transformer DAT DAT将DCN运用到Trans

随机推荐