博客
关于我
leetcode做题记录0009
阅读量:352 次
发布时间:2019-03-04

本文共 1095 字,大约阅读时间需要 3 分钟。

判断一个整数是否为回文数

判断一个整数是否为回文数,主要的思路是将该整数分解为各个位上的数字,并从左到右和从右到左进行比较。

分解数字

首先,将整数分解为各个位上的数字。可以使用取模和整除的方法,依次得到个位、十位、百位等数字,存储在一个数组中。

使用两个游标

创建两个游标,一个从数组的开头开始遍历,另一个从数组的末尾开始遍历。比较这两个位置上的数字,如果有任何一对数字不相等,则返回false。如果所有数字都相等,则返回true。

处理边界情况

  • 负数直接返回false。
  • 单个数字(0到9)直接返回true。

代码实现

Solution{    public static boolean isPalindrome(int x)    {        if (x < 0)        {            return false;        }        if (x >= 0 && x < 10)        {            return true;        }        int[] num = new int[10];        for (int i = 0; i < 10; ++i)        {            num[i] = -1;        }        int idx = 0;        while (true)        {            num[idx++] = x % 10;            x /= 10;            if (x == 0)            {                break;            }        }        for (int i = 0, j = idx - 1; i <= j; ++i, --j)        {            if (num[i] != num[j])            {                return false;            }        }        return true;    }}

代码解释

  • 检查负数:如果输入为负数,直接返回false。
  • 单数字处理:如果输入在0到9之间,直接返回true。
  • 分解数字:使用while循环,依次取出数字的个位、十位等,并存储在数组num中。
  • 比较数字:使用两个游标,从数组的两端开始比较数字。如果有任何一位不匹配,返回false。
  • 返回结果:如果所有数字都匹配,返回true。
  • 转载地址:http://brhe.baihongyu.com/

    你可能感兴趣的文章
    pandas DataFrame 中的自定义浮点格式
    查看>>
    Pandas DataFrame 的 describe()方法详解-ChatGPT4o作答
    查看>>
    Pandas DataFrame中删除列级的方法链接解决方案
    查看>>
    Pandas DataFrame中的列从浮点数输出到货币(负值)
    查看>>
    Pandas DataFrame中的列从浮点数输出到货币(负值)
    查看>>
    Pandas DataFrame多索引透视表-删除空头和轴行
    查看>>
    pandas DataFrame的一些操作
    查看>>
    Pandas Dataframe的日志文件
    查看>>
    Pandas df.iterrows() 并行化
    查看>>
    pandas groupby 和过滤器
    查看>>
    pandas GROUPBY+变换和多列
    查看>>
    pandas Groupby:创建两列的Groupby时,如何按正确的顺序对工作日进行排序?
    查看>>
    Pandas matplotlib 无法显示中文
    查看>>
    pandas PIVOT_TABLE保持索引
    查看>>
    Pandas Plots:周末的单独颜色,x 轴上漂亮的打印时间
    查看>>
    pandas to_latex() 转义数学模式
    查看>>
    Pandas 中文官档 ~ 基础用法4
    查看>>
    pandas 中的 for 循环真的很糟糕吗?我什么时候应该关心?
    查看>>
    Pandas 中的多索引旋转
    查看>>
    Pandas 中的日期范围
    查看>>