. . 9 1.3.2. 贪婪匹配与惰性匹配. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.4. 多选分支 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.5. 案例分析 . . . . 26 3.1. 分组和分支结构 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.1.1. 分组 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.1.2. 分支结构 . . . . 42 4.3.2 惰性量词. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 4.3.3 分支结构. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 4.4. 本章小结 . . . .

. . 9 1.3.2. 贪婪匹配与惰性匹配. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.4. 多选分支 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.5. 案例分析 . . . . 26 3.1. 分组和分支结构 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.1.1. 分组 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.1.2. 分支结构 . . . . 42 4.3.2 惰性量词. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 4.3.3 分支结构. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 4.4. 本章小结 . . . .

Native 工程中 TSLint 静态检查工具的探索之路 589 ESLint 在中大型团队的应用实践 610 美团 iOS 工程 zsource 命令背后的那些事儿 627 客户端单周发版下的多分支自动化管理与实践 635 美团外卖前端容器化演进实践 643 Bifrost 微前端框架及其在美团闪购中的实践 664 Litho 的使用及原理剖析 680 Android 兼容 Java 双端复用场景下，如何更好的做测试和监控？双端同学存在各自技术认知的边 界，如何在出现问题时快速排查、及时止损？ ● 跨端复用流程规范问题：新的技术革命，必然打破旧的秩序，在当前跨端复用 场景下，各种包括工程管理、代码规范、分支管理、需求同步的问题也会孕育 而生，同需解决。 3.2 跨端复用应用架构 为了解决跨端复用在业务实践中遇到的各种问题，我们重新设计了跨端复用应用架 构，从架构分层管理、复用方式设计、流程规范、质量保障方面入手，重点解决跨端 随着大前端融合推进，RN- 小程序代码复用率将逐步提升，客户端（iOS、Android） 与 小程序代码将倾向由一名同学完成多端开发。 6. RN 适配代码合入迭代分支 需求在小程序测试完毕后，将 RN 组件适配 Feature 分支代码合入 Release 迭代分 支，并在客户端（iOS、Android）打包上线。 3.5 跨端复用质量保障 跨端复用场景下存在包括复用组件接口兼容性问题、组件间的依赖隐患问题、测试和

res = fib(n - 1) + fib(n - 2); // 返回结果 f(n) return res; } 观察以上代码，我们在函数内递归调用了两个函数，这意味着从一个调用产生了两个调用分支。如图 2‑6 所 示，这样不断递归调用下去，最终将产生一棵层数为 ? 的递归树（recursion tree）。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子 com 212 循环完成后，? 指向最左边的 target ，? 指向首个小于 target 的元素，因此索引 ? 就是插入点。 图 10‑6 二分查找重复元素的插入点的步骤 观察以下代码，判断分支 nums[m] > target 和 nums[m] == target 的操作相同，因此两者可以合并。 即便如此，我们仍然可以将判断条件保持展开，因为其逻辑更加清晰、可读性更好。 第 10 章 时，跳过所有已被选择的节点，即剪枝。 如图 13‑6 所示，假设我们第一轮选择 1 ，第二轮选择 3 ，第三轮选择 2 ，则需要在第二轮剪掉元素 1 的分 支，在第三轮剪掉元素 1 和元素 3 的分支。 图 13‑6 全排列剪枝示例 第 13 章 回溯 hello‑algo.com 283 观察图 13‑6 发现，该剪枝操作将搜索空间大小从 ?(??) 减小至 ?(?!) 。 2. 代码实现

res = fib(n - 1) + fib(n - 2); // 返回结果 f(n) return res; } 观察以上代码，我们在函数内递归调用了两个函数，这意味着从一个调用产生了两个调用分支。如图 2‑6 所 示，这样不断递归调用下去，最终将产生一棵层数为 ? 的递归树（recursion tree）。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子 com 212 循环完成后，? 指向最左边的 target ，? 指向首个小于 target 的元素，因此索引 ? 就是插入点。 图 10‑6 二分查找重复元素的插入点的步骤 观察以下代码，判断分支 nums[m] > target 和 nums[m] == target 的操作相同，因此两者可以合并。 即便如此，我们仍然可以将判断条件保持展开，因为其逻辑更加清晰、可读性更好。 第 10 章 时，跳过所有已被选择的节点，即剪枝。 如图 13‑6 所示，假设我们第一轮选择 1 ，第二轮选择 3 ，第三轮选择 2 ，则需要在第二轮剪掉元素 1 的分 支，在第三轮剪掉元素 1 和元素 3 的分支。 图 13‑6 全排列剪枝示例 观察图 13‑6 发现，该剪枝操作将搜索空间大小从 ?(??) 减小至 ?(?!) 。 第 13 章 回溯 hello‑algo.com 284 2. 代码实现

res = fib(n - 1) + fib(n - 2); // 返回结果 f(n) return res; } 观察以上代码，我们在函数内递归调用了两个函数，这意味着从一个调用产生了两个调用分支。如图 2‑6 所 示，这样不断递归调用下去，最终将产生一棵层数为 ? 的递归树（recursion tree）。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子 ，? 指向首个小于 target 的元素，因此索引 ? 就是插入点。 第 10 章 搜索 hello‑algo.com 214 图 10‑6 二分查找重复元素的插入点的步骤 观察以下代码，判断分支 nums[m] > target 和 nums[m] == target 的操作相同，因此两者可以合并。 即便如此，我们仍然可以将判断条件保持展开，因为其逻辑更加清晰、可读性更好。 // === 时，跳过所有已被选择的节点，即剪枝。 如图 13‑6 所示，假设我们第一轮选择 1 ，第二轮选择 3 ，第三轮选择 2 ，则需要在第二轮剪掉元素 1 的分 支，在第三轮剪掉元素 1 和元素 3 的分支。 图 13‑6 全排列剪枝示例 第 13 章 回溯 hello‑algo.com 286 观察图 13‑6 发现，该剪枝操作将搜索空间大小从 ?(??) 减小至 ?(?!) 。 2. 代码实现

res = fib(n - 1) + fib(n - 2); // 返回结果 f(n) return res; } 观察以上代码，我们在函数内递归调用了两个函数，这意味着从一个调用产生了两个调用分支。如图 2‑6 所 示，这样不断递归调用下去，最终将产生一棵层数为 ? 的递归树（recursion tree）。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子 com 212 循环完成后，? 指向最左边的 target ，? 指向首个小于 target 的元素，因此索引 ? 就是插入点。 图 10‑6 二分查找重复元素的插入点的步骤 观察以下代码，判断分支 nums[m] > target 和 nums[m] == target 的操作相同，因此两者可以合并。 即便如此，我们仍然可以将判断条件保持展开，因为其逻辑更加清晰、可读性更好。 第 10 章 时，跳过所有已被选择的节点，即剪枝。 如图 13‑6 所示，假设我们第一轮选择 1 ，第二轮选择 3 ，第三轮选择 2 ，则需要在第二轮剪掉元素 1 的分 支，在第三轮剪掉元素 1 和元素 3 的分支。 图 13‑6 全排列剪枝示例 第 13 章 回溯 www.hello‑algo.com 283 观察图 13‑6 发现，该剪枝操作将搜索空间大小从 ?(??) 减小至 ?(?!) 。 2

res = fib(n - 1) + fib(n - 2); // 返回结果 f(n) return res; } 观察以上代码，我们在函数内递归调用了两个函数，这意味着从一个调用产生了两个调用分支。如图 2‑6 所 示，这样不断递归调用下去，最终将产生一棵层数为 ? 的递归树（recursion tree）。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子 com 212 循环完成后，? 指向最左边的 target ，? 指向首个小于 target 的元素，因此索引 ? 就是插入点。 图 10‑6 二分查找重复元素的插入点的步骤 观察以下代码，判断分支 nums[m] > target 和 nums[m] == target 的操作相同，因此两者可以合并。 即便如此，我们仍然可以将判断条件保持展开，因为其逻辑更加清晰、可读性更好。 第 10 章 时，跳过所有已被选择的节点，即剪枝。 如图 13‑6 所示，假设我们第一轮选择 1 ，第二轮选择 3 ，第三轮选择 2 ，则需要在第二轮剪掉元素 1 的分 支，在第三轮剪掉元素 1 和元素 3 的分支。 图 13‑6 全排列剪枝示例 观察图 13‑6 发现，该剪枝操作将搜索空间大小从 ?(??) 减小至 ?(?!) 。 第 13 章 回溯 www.hello‑algo.com 284 2

第 2 章 复杂度分析 hello‑algo.com 25 // 返回结果 f(n) return res; } 观察以上代码，我们在函数内递归调用了两个函数，这意味着从一个调用产生了两个调用分支。如图 2‑6 所 示，这样不断递归调用下去，最终将产生一个层数为 ? 的「递归树 recursion tree」。 图 2‑6 斐波那契数列的递归树 本质上看，递归体现“将问题分解为更小子问 ，? 指向首个小于 target 的元素，因此索引 ? 就是插入点。 第 10 章 搜索 hello‑algo.com 210 图 10‑6 二分查找重复元素的插入点的步骤 观察以下代码，判断分支 nums[m] > target 和 nums[m] == target 的操作相同，因此两者可以合并。 即便如此，我们仍然可以将判断条件保持展开，因为其逻辑更加清晰、可读性更好。 // === preOrder(root.right, path, res); // 回退 path.pop(); } 剪枝是一个非常形象的名词。如图 13‑3 所示，在搜索过程中，我们“剪掉”了不满足约束条件的搜索分支， 避免许多无意义的尝试，从而提高了搜索效率。 图 13‑3 根据约束条件剪枝 13.1.3 框架代码 接下来，我们尝试将回溯的“尝试、回退、剪枝”的主体框架提炼出来，提升代码的通用性。 在以下框架代码中，state

res = fib(n - 1) + fib(n - 2); // 返回结果 f(n) return res; } 观察以上代码，我们在函数内递归调用了两个函数，这意味着从一个调用产生了两个调用分支。如图 2‑6 所 示，这样不断递归调用下去，最终将产生一棵层数为 ? 的「递归树 recursion tree」。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小 ，? 指向首个小于 target 的元素，因此索引 ? 就是插入点。 第 10 章 搜索 hello‑algo.com 213 图 10‑6 二分查找重复元素的插入点的步骤 观察以下代码，判断分支 nums[m] > target 和 nums[m] == target 的操作相同，因此两者可以合并。 即便如此，我们仍然可以将判断条件保持展开，因为其逻辑更加清晰、可读性更好。 // === 时，跳过所有已被选择的节点，即剪枝。 如图 13‑6 所示，假设我们第一轮选择 1 ，第二轮选择 3 ，第三轮选择 2 ，则需要在第二轮剪掉元素 1 的分 支，在第三轮剪掉元素 1 和元素 3 的分支。 图 13‑6 全排列剪枝示例 观察图 13‑6 发现，该剪枝操作将搜索空间大小从 ?(??) 减小至 ?(?!) 。 第 13 章 回溯 hello‑algo.com 284 2. 代码实现