克隆仓库与下载代码 第三步：运行源代码。如图 0‑5 所示，对于顶部标有文件名称的代码块，我们可以在仓库的 codes 文件夹内 找到对应的源代码文件。源代码文件可一键运行，将帮助你节省不必要的调试时间，让你能够专注于学习内 容。 图 0‑5 代码块与对应的源代码文件 除了本地运行代码，网页版还支持 Python 代码的可视化运行（基于 pythontutor 实现）。如图 0‑6 所示，你 (?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 如图 2‑8 所示，计算渐近上界就是寻找一个函数 ?(?) ，使得当 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 第 2 章 复杂度分析 hello‑algo.com 31 图 2‑8 函数的渐近上界 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理 100000; for (int i = 0; i < size; i++) count++; return count; } 2. 线性阶 ?(?) 线性阶的操作数量相对于输入数据大小 ? 以线性级别增长。线性阶通常出现在单层循环中： // === File: time_complexity.cpp === /* 线性阶 */ int linear(int n) { int count =

克隆仓库与下载代码 第三步：运行源代码。如图 0‑5 所示，对于顶部标有文件名称的代码块，我们可以在仓库的 codes 文件夹内 找到对应的源代码文件。源代码文件可一键运行，将帮助你节省不必要的调试时间，让你能够专注于学习内 容。 图 0‑5 代码块与对应的源代码文件 除了本地运行代码，网页版还支持 Python 代码的可视化运行（基于 pythontutor 实现）。如图 0‑6 所示，你 (?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 如图 2‑8 所示，计算渐近上界就是寻找一个函数 ?(?) ，使得当 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 第 2 章 复杂度分析 hello‑algo.com 31 图 2‑8 函数的渐近上界 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理 100000; for (int i = 0; i < size; i++) count++; return count; } 2. 线性阶 ?(?) 线性阶的操作数量相对于输入数据大小 ? 以线性级别增长。线性阶通常出现在单层循环中： // === File: time_complexity.cpp === /* 线性阶 */ int linear(int n) { int count =

克隆仓库与下载代码 第三步：运行源代码。如图 0‑5 所示，对于顶部标有文件名称的代码块，我们可以在仓库的 codes 文件夹内 找到对应的源代码文件。源代码文件可一键运行，将帮助你节省不必要的调试时间，让你能够专注于学习内 容。 图 0‑5 代码块与对应的源代码文件 除了本地运行代码，网页版还支持 Python 代码的可视化运行（基于 pythontutor 实现）。如图 0‑6 所示，你 (?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 如图 2‑8 所示，计算渐近上界就是寻找一个函数 ?(?) ，使得当 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 第 2 章 复杂度分析 www.hello‑algo.com 31 图 2‑8 函数的渐近上界 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没 100000; for (int i = 0; i < size; i++) count++; return count; } 2. 线性阶 ?(?) 线性阶的操作数量相对于输入数据大小 ? 以线性级别增长。线性阶通常出现在单层循环中： // === File: time_complexity.cpp === /* 线性阶 */ int linear(int n) { int count =

ZIP”直接下载代码压缩包，本地解压即可。 Figure 0‑5. 克隆仓库与下载代码 第三步：运行源代码。若代码块的顶部标有文件名称，则可在仓库 codes 文件夹中找到对应的 源代码文件。源 代码文件可以帮助你省去不必要的调试时间，将精力集中在学习内容上。 0. 写在前面 hello‑algo.com 6 Figure 0‑6. 代码块与对应的源代码文件 0.2.5. 在提问讨论中共同成长 阅读本书时，请不要“惯 ?(?) = ?(?(?)) Figure 2‑2. 函数的渐近上界 本质上看，计算渐近上界就是在找一个函数 ?(?) ，使得在 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同的增 长级别（仅相差一个常数项 ? 的倍数）。 2. 复杂度分析 hello‑algo.com 17 � 渐近上界的数学味儿有点重，如果你感觉没有完全理解，无需担心，因为在实际使用中我们只 需要会推算即可，数学意义可以慢慢领悟。 = 100000; for (int i = 0; i < size; i++) count++; return count; } 线性阶 ?(?) 线性阶的操作数量相对输入数据大小成线性级别增长。线性阶常出现于单层循环。 // === File: time_complexity.cpp === /* 线性阶 */ int linear(int n) { int count = 0;

ZIP”直接下载代码压缩包，本地解压即可。 Figure 0‑5. 克隆仓库与下载代码 第三步：运行源代码。若代码块的顶部标有文件名称，则可在仓库 codes 文件夹中找到对应的 源代码文件。源 代码文件可以帮助你省去不必要的调试时间，将精力集中在学习内容上。 0. 写在前面 hello‑algo.com 6 Figure 0‑6. 代码块与对应的源代码文件 0.2.5. 在提问讨论中共同成长 阅读本书时，请不要“惯 ?(?) = ?(?(?)) Figure 2‑2. 函数的渐近上界 本质上看，计算渐近上界就是在找一个函数 ?(?) ，使得在 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同的增 长级别（仅相差一个常数项 ? 的倍数）。 2. 复杂度分析 hello‑algo.com 17 � 渐近上界的数学味儿有点重，如果你感觉没有完全理解，无需担心，因为在实际使用中我们只 需要会推算即可，数学意义可以慢慢领悟。 = 100000; for (int i = 0; i < size; i++) count++; return count; } 线性阶 ?(?) 线性阶的操作数量相对输入数据大小成线性级别增长。线性阶常出现于单层循环。 // === File: time_complexity.cpp === /* 线性阶 */ int linear(int n) { int count = 0;

com 5 Figure 0‑4. 克隆仓库与下载代码 第三步：运行源代码。如果代码块顶部标有文件名称，则可以在仓库的 codes 文件夹中找到相应的源代码文 件。源代码文件将帮助你节省不必要的调试时间，让你能够专注于学习内容。 Figure 0‑5. 代码块与对应的源代码文件 0.2.4. 在提问讨论中共同成长 阅读本书时，请不要“惯着”那些没学明白的知识点。欢迎在评论区提出你的问题，我和其他小伙伴们将竭 ?(?) = ?(?(?)) Figure 2‑2. 函数的渐近上界 从本质上讲，计算渐近上界就是寻找一个函数 ?(?) ，使得当 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 2.2.4. 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理解，也无需担心。因为在实际使用中，我们只需要掌握 推算方法，数学意义可以逐渐领悟。 2 100000; for (int i = 0; i < size; i++) count++; return count; } 线性阶 ?(?) 线性阶的操作数量相对于输入数据大小以线性级别增长。线性阶通常出现在单层循环中。 // === File: time_complexity.cpp === /* 线性阶 */ int linear(int n) { int count =

克隆仓库与下载代码 第三步：运行源代码。如图 0‑5 所示，对于顶部标有文件名称的代码块，我们可以在仓库的 codes 文件夹内 找到对应的源代码文件。源代码文件可一键运行，将帮助你节省不必要的调试时间，让你能够专注于学习内 容。 图 0‑5 代码块与对应的源代码文件 0.2.4 在提问讨论中共同成长 在阅读本书时，请不要轻易跳过那些没学明白的知识点。欢迎在评论区提出你的问题，我和小伙伴们将竭诚 (?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 如图 2‑8 所示，计算渐近上界就是寻找一个函数 ?(?) ，使得当 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 图 2‑8 函数的渐近上界 第 2 章 复杂度分析 hello‑algo.com 29 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理 100000; for (int i = 0; i < size; i++) count++; return count; } 2. 线性阶 ?(?) 线性阶的操作数量相对于输入数据大小 ? 以线性级别增长。线性阶通常出现在单层循环中： // === File: time_complexity.cpp === /* 线性阶 */ int linear(int n) { int count =

放到 src 目录下 。 第 2 章：项目配置变量 CMAKE_BUILD_TYPE 构建的类型，调试模式还是发布模式 • CMAKE_BUILD_TYPE 是 CMake 中一个特殊的变量，用于控制构建类型，他的值可以 是： • Debug 调试模式，完全不优化，生成调试信息，方便调试程序 • Release 发布模式，优化程度最高，性能最佳，但是编译比 Debug 慢 • MinSizeRel MinSizeRel 最小体积发布，生成的文件比 Release 更小，不完全优化，减少二进制体积 • RelWithDebInfo 带调试信息发布，生成的文件比 Release 更大，因为带有调试的符号信 息 • 默认情况下 CMAKE_BUILD_TYPE 为空字符串，这时相当于 Debug 。 各种构建模式在编译器选项上的区别 • 在 Release 模式下，追求的是程序的最佳性能表现，在此情况下，编译器会对程序做最大 模式下，追求的是程序的最佳性能表现，在此情况下，编译器会对程序做最大 的代码优化以达到最快运行速度。另一方面，由于代码优化后不与源代码一致，此模式下 一般会丢失大量的调试信息。 1. Debug: `-O0 -g` 2. Release: `-O3 -DNDEBUG` 3. MinSizeRel: `-Os -DNDEBUG` 4. RelWithDebInfo: `-O2 -g -DNDEBUG` • 此外，注意定义了

个字符。 • 区别在于 at 如果遇到 i 越界的情况，也就是检测到 i ≥ s.size() 时，会抛出 std::out_of_range 异常终止程序。使用 gdb 等调试 器就可以在出这个异常的时候暂停，帮你调试错误 （ BV1kP4y1K7Eo ）。也可以从外部函数 catch 住这个异常（以 后再讲）。 • 而 [] 则不会抛出异常，他只是简单地给字符串的首地址指针和 i 做个 + 和 += 比 append 更直观，而且只要配合 string_view ，性能上就没有区别了，为什么不用呢？ • 先把程序写出来，结果跑对了，再来考虑什么优化的问题。 • 直观的程序更容易调试，而 + 是非常直观的。——沃兹基硕德 • 小彭老师锐评：跑之前先学会走，反对心理作用优化、性能强迫症 。 • 围棋术语说：本手，妙手，俗手。 • 可能你以为自己这一步是妙手，其实是擦粑粑的手。 string_view 源码大赏 标准库 string 源码解析 第 8 章 string 的本质是 basic_string string 的本质是 basic_string • 所以在调试的时候经常会看到 string 被 c++filt 解析为 basic_string, allocator> 。 • 因为 std::string

Python 对比 • Python 中 val = m[“key”] 读取元素，找不到键值会出错，调试时更早发现错误。 • C++ 中 val = m[“key”] 读取元素，找不到键值不会出错而是默默创建，还初始化为 0 。 • C++ 中 val = m.at(“key”) 读取元素，找不到键值会出错，调试时更早发现错误。 • 所以 C++ 中读取元素，应该用 at() 才对， at() 在读取时和多数语言的 行为一致。 • 很多初学者都会错误使用 [] 读取元素，他以为找不到键值会报错，结果他不报错，默默创 建了个 0 返回给你，导致实际报错的地方滞后，没发现错误在 map 的读取这里，严重影 响他的调试效率（ javascript 的 undefined 直呼内行）。 写入 map 元素 • map m; • 写入 map 中指定键值的元素有两种方法。 • m[“key”]