博客
关于我
LeetCode.811 Subdomain Visit Count
阅读量:700 次
发布时间:2019-03-17

本文共 743 字,大约阅读时间需要 2 分钟。

解析题目并提出解决方案

题目要求我们根据给定的count-paired domain列表,生成包含每个子域名及总访问次数的count-paired domain列表。每个输出项应包含访问次数后跟相应的子域名,顺序任意。

解决方法:

  • 理解count-paired domain:每个count-paired domain由一个访问次数(整数)和一个域名组成。例如,"9001 discuss.leetcode.com"表示访问"discuss.leetcode.com"的总次数为9001次。

  • 拆分域名:将每个域名按'.'分割,得到其各个子域名。例如,"discuss.leetcode.com"拆分为["discuss", "leetcode", "com"]。

  • 统计访问次数:对于每个拆分后的子域名,记录其总访问次数。同一个子域名若出现多次,次数应进行相加。

  • 生成结果:将统计结果的每个子域名及其对应的访问次数组合成count-paired domain格式,例如"9001 discuss.leetcode.com"。

  • 实现步骤:

  • 初始化一个Java HashMap记录子域名及访问次数。
  • 遍历输入列表,为每个count-paired domain:
    • 提取访问次数和域名。
    • 拆分域名并处理每个子域名,更新对应的访问次数。
    • 特别处理顶级域名及直接子域名。
  • 收集所有子域名及其访问次数,按格式生成结果列表。
  • 关键注意事项:

    • 确保处理所有可能的子域名,包括顶级域名,避免遗漏。
    • 处理不同层级子域名时,确保每个子域名独立统计,不互相干扰。
    • 处理输入数据时要考虑到输入格式的正确性,以及域名的层级结构。

    通过以上方法,可以高效地解决问题,生成所需的count-paired domain列表。

    转载地址:http://hcjez.baihongyu.com/

    你可能感兴趣的文章
    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+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 中的多索引旋转
    查看>>
    Pandas 中的日期范围
    查看>>
    pandas 中的时间序列箱线图
    查看>>
    Pandas 使用指南
    查看>>
    pandas 分组并使用最小值更新
    查看>>
    pandas 均值(mean), 均值填充NA(fill_na)
    查看>>
    Pandas 对数据框的布尔比较
    查看>>
    pandas 将通话数据分割为15分钟的间隔
    查看>>
    pandas 找到局部最大值和最小值
    查看>>