博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
[LeetCode javaScript] 811. 子域名访问计数
阅读量:3887 次
发布时间:2019-05-23

本文共 1399 字,大约阅读时间需要 4 分钟。

一个网站域名,如"",包含了多个子域名。作为顶级域名,常用的有"com",下一级则有"",最低的一级为""。当我们访问域名""时,也同时访问了其父域名""以及顶级域名 “com”。

给定一个带访问次数和域名的组合,要求分别计算每个域名被访问的次数。其格式为访问次数+空格+地址,例如:“9001 ”。

接下来会给出一组访问次数和域名组合的列表cpdomains 。要求解析出所有域名的访问次数,输出格式和输入格式相同,不限定先后顺序。

示例 1:

输入:
[“9001 ”]
输出:
[“9001 ”, “9001 ”, “9001 com”]
说明:
例子中仅包含一个网站域名:“”。按照前文假设,子域名""和"com"都会被访问,所以它们都被访问了9001次。
示例 2
输入:
[“900 ”, “50 ”, “1 ”, “5 ”]
输出:
[“901 ”,“50 ”,“900 ”,“5 ”,“5 org”,“1 ”,“951 com”]
说明:
按照假设,会访问"" 900次,“” 50次,“” 1次,“” 5次。
而对于父域名,会访问"" 900+1 = 901次,“com” 900 + 50 + 1 = 951次,和 “org” 5 次。
注意事项:

cpdomains 的长度小于 100。

每个域名的长度小于100。
每个域名地址包含一个或两个"."符号。
输入中任意一个域名的访问次数都小于10000。

/** * @param {string[]} cpdomains * @return {string[]} */var subdomainVisits = function(cpdomains) {    var result=[];    var map={};    //定义处理一个句子的方法    var getOne=function(sentences){    	//先按空格分开            var dm=sentences.split(" ");             //次数            var num=parseInt(dm[0]);            //后面的字符串部分按.分开            var df=dm[1].split(".");            var str=""            for(var i=df.length-1;i>=0;i--){                if(str==""){                    str=df[i];                                    }else{                    str=df[i]+"."+str;                            }                     if(!map[str]){                    map[str]=num;                }else{                    map[str]=map[str]+num;                }                           }    }    for(var i=0;i

转载地址:http://srihn.baihongyu.com/

你可能感兴趣的文章
基于windows平台Git+GitHub+Hexo搭建个人博客(二)
查看>>
Windows平台下SVN安装配置及使用
查看>>
python简便的编辑工具:jupyter notebook
查看>>
使用pip安装的时候出现 ModuleNotFoundError: No module named ‘pip‘
查看>>
Selenium自动化测试(八)之上传文件
查看>>
Selenium UI自动化(Java篇)
查看>>
使用Fiddler模拟弱网进行测试
查看>>
使用POI读取Excel测试用例
查看>>
记一次数据推送的异常解决端口解决
查看>>
linux、mysql、nginx、tomcat 性能参数优化
查看>>
Nginx使用Linux内存加速静态文件访问
查看>>
杀掉nginx进程后丢失nginx.pid,如何重新启动nginx
查看>>
nginx另类复杂的架构
查看>>
Nginx流量复制/AB测试/协程
查看>>
使用NTP服务器完美解决VMware Linux时间无法同步问题
查看>>
机器学习笔记(3)---K-近邻算法(1)---约会对象魅力程度分类
查看>>
机器学习笔记(4)---K-近邻算法(2)---使用sklearn中的KNN算法
查看>>
数据结构——外部排序
查看>>
UNIX网络编程——System V 消息队列
查看>>
信号量、互斥锁,读写锁和条件变量的区别
查看>>