2025-08-04:统计用户被提及情况。用go语言,你有一个整数 numberOfUsers,表示用户总数量,还有一个大小为 n x 3 的二维数组 events。
每个 events[i] 代表两种事件之一:
1.消息事件(MESSAGE):格式为 ["MESSAGE", "timestamp", "mentions_string"]
• 表示在 timestamp 时间点,有一条消息提到了若干用户。
• mentions_string 可能是以下形式之一:
• 多个用户 ID,用空格分隔,如 id ,其中 是 0 到 numberOfUsers - 1 的整数,且可能有重复,也可以包含离线用户。
• "ALL":代表提及所有用户。
• "HERE":代表提及所有当前在线的用户。
2.离线事件(OFFLINE):格式为 ["OFFLINE", "timestamp", "id"]
• 表示用户 id 在 timestamp 时间点进入离线状态,持续 60 单位时间,之后(timestamp + 60)会自动恢复在线。
初始状态下所有用户都是在线的。如果多个事件时间相同,状态变化(离线或恢复)会先于消息事件处理并生效。
最终你需要返回一个长度为 numberOfUsers 的数组 mentions,其中 mentions[i] 是用户 i 在所有消息事件中被提及的总次数。
特别注意,单条消息中同一个用户被多次提及,需要累计每次提及的次数。
1 <= numberOfUsers <= 100。
1 <= events.length <= 100。
events[i].length == 3。
events[i][0] 的值为 MESSAGE 或 OFFLINE 。
1 <= int(events[i][1]) <= 100000。
在任意 "MESSAGE" 事件中,以 id 形式提及的用户数目介于 1 和 100 之间。
0 <= <= numberOfUsers - 1。
题目保证 OFFLINE 引用的用户 id 在事件发生时处于 在线 状态。
输入:numberOfUsers = 2, events = [["MESSAGE","10","id1 id0"],["OFFLINE","11","0"],["MESSAGE","71","HERE"]]。
输出:[2,2]。
解释:
最初,所有用户都在线。
时间戳 10 ,id1 和 id0 被提及,mentions = [1,1]。
时间戳 11 ,id0 离线 。
时间戳 71 ,id0 再次 上线 并且 "HERE" 被提及,mentions = [2,2]。
题目来自力扣3433。
分步骤描述过程
1.事件排序:
• 首先,对所有事件按照时间戳(
events[i][1]
)进行升序排序(从小到大)。• 如果两个事件的时间戳相同,则优先处理离线事件(
OFFLINE
),再处理消息事件(MESSAGE
)。这是因为题目要求状态变化(如离线)先于消息事件生效。排序规则确保在相同时间戳下,OFFLINE
事件排在MESSAGE
事件之前。
2.初始化数据结构:
• 创建一个长度
numberOfUsers
的结果数组ans
,初始化为全 0,用于存储每个用户被提及的总次数。• 创建一个长度
numberOfUsers
的数组onlineT
,初始化为全 0。onlineT[i]
表示用户i
下一次恢复在线的时间戳。初始值为 0 表示所有用户在线(因为时间戳从 1 开始,任何时间点t ≥ 1 > 0
都满足在线条件)。
3.遍历处理事件:
• 按排序后的事件顺序依次处理每个事件。
• 提取当前事件的时间戳
curT
(将events[i][1]
转换为整数)。• 根据事件类型执行不同操作:
•OFFLINE 事件:
• 格式:
["OFFLINE", timestamp, id]
,其中id
是直接的数字字符串(如"0"
)。• 将
id
转换为整数i
(表示用户索引)。• 设置
onlineT[i] = curT + 60
,表示用户i
将在curT + 60
时间点恢复在线。
•MESSAGE 事件:
• 格式:
["MESSAGE", timestamp, mentions_string]
。• 根据
mentions_string
的内容处理提及:•"ALL":表示提及所有用户。
• 遍历所有用户索引
i
(0 到numberOfUsers - 1
),将ans[i]
加 1。
•"HERE":表示提及所有当前在线用户。
• 遍历所有用户索引
i
,检查onlineT[i] <= curT
(如果为真,表示用户在线)。• 对在线的用户,将
ans[i]
加 1。
•用户 ID 列表:格式为空格分隔的
"id "
字符串(如"id1 id0"
)。• 使用空格分割
mentions_string
得到多个子串(如["id1", "id0"]
)。• 对每个子串:
• 提取数字部分(去除前缀
"id"
,即取子串s[2:]
)。• 将数字字符串转换为整数
i
(表示用户索引)。• 将
ans[i]
加 1。
• 注意:同一用户可能在单条消息中被多次提及(如
"id0 id0"
),每次提及都会独立计数。
4.在线状态管理:
• 通过
onlineT
数组隐式管理用户在线状态:• 用户
i
在时间t
在线当且仅当onlineT[i] <= t
。• 离线事件(
OFFLINE
)设置onlineT[i] = curT + 60
,表示从curT
到curT + 60 - 1
用户离线,在curT + 60
及之后自动恢复在线。
• 在消息事件中(尤其是
"HERE"
)直接使用curT
与onlineT[i]
比较判断在线状态,无需显式处理恢复事件。
5.处理重复提及和边界:
• 单条消息中同一用户多次提及会被多次计数(如
"id0 id0"
会使ans[0]
增加 2)。• 题目保证
OFFLINE
事件发生时用户在线,因此设置onlineT[i]
是安全的。• 时间戳相同时,排序确保
OFFLINE
先执行,状态更新后MESSAGE
才使用新状态。
•时间复杂度:
• 排序事件:使用快速排序(
slices.SortFunc
),时间复杂度为O(n log n),其中n
是事件数量(events.length ≤ 100
)。• 处理事件:遍历
n
个事件。•
OFFLINE
事件:处理时间为 O(1)。•
MESSAGE
事件:•
"ALL"
或"HERE"
:遍历m
个用户(m = numberOfUsers ≤ 100
),时间为 O(m)。• 用户 ID 列表:处理时间 O(k),其中
k
是提及的用户数量(k ≤ 100
)。
• 最坏情况下,所有事件都是
"ALL"
或"HERE"
,总时间为O(n * m)。
• 整体时间复杂度:O(n log n + n * m)。由于
n ≤ 100
,m ≤ 100
,实际可视为常数时间(约 100 × log₂100 + 100 × 100 ≈ 700 + 10000 = 10700 操作)。
•空间复杂度:
• 存储结果数组
ans
和在线时间数组onlineT
:各占用 O(m) 空间。• 排序使用原地排序,栈空间 O(log n)。
• 处理用户 ID 列表时临时分割字符串:占用 O(k) 临时空间(
k ≤ 100
)。• 总体额外空间复杂度:O(m)(
m = numberOfUsers ≤ 100
),即线性于用户数量。
package main import ( "fmt" "strconv" "strings" "cmp" "slices" ) func countMentions(numberOfUsers int, events [][]string) []int { // 按照时间戳从小到大排序,时间戳相同的,离线事件排在前面 slices.SortFunc(events, func(a, b []string)int { ta, _ := strconv.Atoi(a[1]) tb, _ := strconv.Atoi(b[1]) return cmp.Or(ta-tb, int(b[0][0])-int(a[0][0])) }) ans := make([]int, numberOfUsers) onlineT := make([]int, numberOfUsers) for _, e := range events { curT, _ := strconv.Atoi(e[1]) if e[0][0] == 'O' { i, _ := strconv.Atoi(e[2]) onlineT[i] = curT + 60 } elseif e[2][0] == 'A' { for i := range ans { ans[i]++ } } elseif e[2][0] == 'H' { for i, t := range onlineT { if t <= curT { // 在线 ans[i]++ } } } else { for _, s := range strings.Split(e[2], " ") { i, _ := strconv.Atoi(s[2:]) ans[i]++ } } } return ans } func main() { numberOfUsers := 2 events := [][]string{{"MESSAGE","10","id1 id0"},{"OFFLINE","11","0"},{"MESSAGE","71","HERE"}} result := countMentions(numberOfUsers,events) fmt.Println(result) }

Python完整代码如下:
# -*-coding:utf-8-*- def count_mentions(numberOfUsers, events): # 排序事件:首先按时间戳升序,时间戳相同时,按事件类型首字母的ASCII值降序(即离线事件在前) events.sort(key=lambda e: (int(e[1]), -ord(e[0][0]))) ans = [0] * numberOfUsers onlineT = [0] * numberOfUsers # 记录每个用户被视为在线的截止时间戳 for e in events: curT = int(e[1]) if e[0] == "OFFLINE": user_id = int(e[2]) onlineT[user_id] = curT + 60 elif e[0] == "MESSAGE": content = e[2] if content.startswith('A'): # 全体消息 for i in range(numberOfUsers): ans[i] += 1 elif content.startswith('H'): # 在线消息 for i in range(numberOfUsers): # 注意:这里条件与Go代码一致(onlineT[i] <= curT 表示用户在线) if onlineT[i] <= curT: ans[i] += 1 else: # 定向消息 parts = content.split() for part in parts: # 提取"idX"中的X并转换为整数 user_id = int(part[2:]) ans[user_id] += 1 return ans def main(): numberOfUsers = 2 events = [["MESSAGE","10","id1 id0"],["OFFLINE","11","0"],["MESSAGE","71","HERE"]] result = count_mentions(numberOfUsers, events) print(result) if __name__ == "__main__": main()

我们相信Go语言和算法为普通开发者提供了困境的“面试利器”,并致力于分享全面的编程知识。在这里,您可以找到最新的Go语言教程、算法解析、提升面试竞争力的秘籍以及行业动态。 欢迎关注“福大规模架构师每日一题”,让 Go 语言和算法助力您的职业发展
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.