分别用Python和Go实现对文件夹及其子文件夹里的文件进行批量重命名
最近在继续提高自己的go技术时，从网上一些平台获取到了一些学习资料，然后下载到本地后，文件的命名是真的像衣托答辩：
除了上述的文件，还有一mol多神奇的命名，害，由于资料是从小道途径获得的，咱就忍了。接下来就是要批量对这些文件改名的问题，我粗略算了下，有上千个的文件需要改。对于程序员来说，总不能挨个挨个文件重命名吧，于是我就写了两个脚本，一个python版本，一个go版本，均能批量对文件夹及其子文件夹里的文件进行批量重命名，去掉烦人的”信息”，亲测体检较好。
下面附上两个版本的代码：
Python：
123456789101112131415161718192021import os# 要处理的根文件夹路径root_folder = '/path/to/your/root/folder'# 要去掉的字符串string_to_remove = "【加微信.赠送精品IT课程】"# 遍历根文件夹及其子文件夹for folder_path, _, file_names in os.walk(root_folder): for file_name ...
Go语言的单元测试与基准测试
单元测试以一个加法函数为例，对其进行单元测试。
首先编写add.go文件：
123456//add.gopackage mainfunc add(a, b int) int { return a + b}
其次编写add_test.go文件，在go语言中，测试文件均已_test结尾，这里只需要在被测试的文件后加上_test即可。并且测试文件与要被测试的文件需要放在同一个包中，并不像Java那样需要将所有的测试文件放在一个专门的测试文件夹里面，例如我将这两个文件都放在main包下：
123456789101112131415package mainimport ( "fmt" "testing")//测试函数需要以Test开头func TestAdd(t *testing.T) { fmt.Println("Running short test") res := add(1, 2) if res != 3 { t.Errorf("add(1,2) should be 3, g ...
leetcode链表必刷题——移除链表元素、设计链表、反转链表、两两交换链表中的节点、删除链表的倒数第 N 个结点、相交链表、环形链表、环形链表 II
移除链表元素题目链接
给你一个链表的头节点 head 和一个整数 val ，请你删除链表中所有满足 Node.val == val 的节点，并返回 新的头节点 。
示例 1：
12输入：head = [1,2,6,3,4,5,6], val = 6输出：[1,2,3,4,5]
示例 2：
12输入：head = [], val = 1输出：[]
示例 3：
12输入：head = [7,7,7,7], val = 7输出：[]
提示：
列表中的节点数目在范围 [0, 104] 内
1 <= Node.val <= 50
0 <= val <= 50
Python：
12345678910111213141516171819202122#本人解法# Definition for singly-linked list.# class ListNode:# def __init__(self, val=0, next=None):# self.val = val# self.next = nextclass Solu ...
leetcode哈希表必刷题——有效的字母异位词、两个数组的交集、快乐数、两数之和、四数相加 II、赎金信、三数之和、四数之和
有效的字母异位词题目链接
给定两个字符串 s 和 t ，编写一个函数来判断 t 是否是 s 的字母异位词。
注意：若 s 和 t 中每个字符出现的次数都相同，则称 s 和 t 互为字母异位词。
示例 1:
12输入: s = "anagram", t = "nagaram"输出: true
示例 2:
12输入: s = "rat", t = "car"输出: false
提示:
1 <= s.length, t.length <= 5 * 104
s 和 t 仅包含小写字母
Python：
123456789101112# 数组class Solution: def isAnagram(self, s: str, t: str) -> bool: if len(s) != len(t): return False c1 = [0] * 26 c2 = [0] * 26 for ch in s: ...
排序
排序评价维度：
运行效率：我们期望排序算法的时间复杂度尽量低，且总体操作数量较少（即时间复杂度中的常数项降低）。对于大数据量情况，运行效率显得尤为重要。
就地性：顾名思义，原地排序通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内存。通常情况下，原地排序的数据搬运操作较少，运行速度也更快。
稳定性：稳定排序在完成排序后，相等元素在数组中的相对顺序不发生改变。稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和年龄。在这种情况下，非稳定排序可能导致输入数据的有序性丧失。
12345678910111213141516# 输入数据是按照姓名排序好的# (name, age) ('A', 19) ('B', 18) ('C', 21) ('D', 19) ('E', 23)# 假设使用非稳定排序算法按年龄排序列表，# 结果中 ('D', 19) 和 ('A', 19) ...
leetcode数组必刷题——二分查找、移除元素、有序数组的平方、长度最小的子数组、螺旋矩阵、螺旋矩阵 II
二分查找题目链接
给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。
示例 1:
123输入: nums = [-1,0,3,5,9,12], target = 9输出: 4解释: 9 出现在 nums 中并且下标为 4
示例 2:
123输入: nums = [-1,0,3,5,9,12], target = 2输出: -1解释: 2 不存在 nums 中因此返回 -1
提示：
你可以假设 nums 中的所有元素是不重复的。
n 将在 [1, 10000]之间。
nums 的每个元素都将在 [-9999, 9999]之间。
Python：
123456789101112class Solution: def search(self, nums: List[int], target: int) -> int: i, j = 0, len(nums) - 1 while i <= j: mid ...
搜索
搜索二分查找二分查找是一种基于分治策略的高效搜索算法。它利用数据的有序性，每轮减少一半搜索范围，直至找到目标元素或搜索区间为空为止。
Question：
给定一个长度为n的数组 nums ，元素按从小到大的顺序排列，数组不包含重复元素。请查找并返回元素 target 在该数组中的索引。若数组不包含该元素，则返回 −1
双闭区间如下图所示，我们先初始化指针i=0 和 j=n−1 ，分别指向数组首元素和尾元素，代表搜索区间 [0,n−1] 。请注意，中括号表示闭区间，其包含边界值本身。
接下来，循环执行以下两步。
计算中点索引 m=⌊(i+j)/2⌋ ，其中 ⌊⌋ 表示向下取整操作。
判断 nums[m] 和 target 的大小关系，分为以下三种情况。
当 nums[m] < target 时，说明 target 在区间 [m+1,j] 中，因此执行 i=m+1 。
当 nums[m] > target 时，说明 target 在区间 [i,m−1] 中，因此执行 j=m−1 。
当 nums[m ...
图
图图是一种非线性数据结构，由顶点和边组成。我们可以将图 (G) 抽象地表示为一组顶点 (V) 和一组边 (E) 的集合。以下示例展示了一个包含 5 个顶点和 7 条边的图。
V = { 1, 2, 3, 4, 5 } &E = { (1,2), (1,3), (1,5), (2,3), (2,4), (2,5), (4,5) } &G ={ V, E }
如果将顶点看作节点，将边看作连接各个节点的引用（指针），我们就可以将图看作是一种从链表拓展而来的数据结构。相较于线性关系（链表）和分治关系（树），网络关系（图）的自由度更高，从而更为复杂。
基础知识根据边是否具有方向，可分为无向图和有向图。
在无向图中，边表示两顶点之间的“双向”连接关系，例如微信或 QQ 中的“好友关系”。
在有向图中，边具有方向性，两个方向的边是相互独立的，例如微博或抖音上的“关注”与“被关注”关系。
根据所有顶点是否连通，可分为连通图和非连通图。
对于连通图，从某个顶点出发，可以到达其余任意顶点。
对于非连通图，从某个顶点出发，至少有一个顶点无法到达。
...
LeetCode 热题 100——两数之和、字母异位词分组、最长连续序列
两数之和题目链接
给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出 和为目标值 target 的那 两个 整数，并返回它们的数组下标。
你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。
你可以按任意顺序返回答案。
示例 1：
123输入：nums = [2,7,11,15], target = 9输出：[0,1]解释：因为 nums[0] + nums[1] == 9 ，返回 [0, 1] 。
示例 2：
12输入：nums = [3,2,4], target = 6输出：[1,2]
示例 3：
12输入：nums = [3,3], target = 6输出：[0,1]
提示：
2 <= nums.length <= 104
-109 <= nums[i] <= 109
-109 <= target <= 109
只会存在一个有效答案
Python：
12345678910#暴力解法class Solution: def twoSum(self, nums: List[in ...
堆
堆堆是一种满足特定条件的完全二叉树，主要可分为下图所示的两种类型。
大顶堆：任意节点的值 ≥ 其子节点的值。
小顶堆：任意节点的值 ≤ 其子节点的值。
堆作为完全二叉树的一个特例，具有以下特性。
最底层节点靠左填充，其他层的节点都被填满。
我们将二叉树的根节点称为“堆顶”，将底层最靠右的节点称为“堆底”。
对于大顶堆（小顶堆），堆顶元素（即根节点）的值分别是最大（最小）的。
常用操作许多编程语言提供的是优先队列，这是一种抽象数据结构，定义为具有优先级排序的队列。实际上，堆通常用作实现优先队列，大顶堆相当于元素按从大到小顺序出队的优先队列。从使用角度来看，我们可以将“优先队列”和“堆”看作等价的数据结构。
堆的常用操作见下表 ，方法名需要根据编程语言来确定。
方法名
描述
时间复杂度
push()
元素入堆
O(logn)
pop()
堆顶元素出堆
O(logn)
peek()
访问堆顶元素（大 / 小顶堆分别为最大 / 小值）
O(1)
size()
获取堆的元素数量
O(1)
isEmpty()
判断堆是否为空
O(1)
...
