word手写简单面试题(最简单的题都做的不堪入目)
目录标题一、题目1二、题目2三、总结一、题目1.有一个类 Pair含有两个成员 a 和 b如果两个 Pair 对象的 a 和 b 都相等则认为这两个对象相等。Datapublic class Pair {Integer a;Integer b;}有两个 List, List l1, List l2, 写一个函数求这两个 List 的交集即返回这两个List 当中相同的元素放在一个集合中返回。注意请尽量写准确清晰按照可执行的 Java代码写我的答案publicsetPairfn(ListPairl1,ListPairl2){setPairresultSetnewHashSet();l1.stream().map(item{for(Pairinner:l2){//Integer转换比较可能有误if(inner.getA().equals(item.getA())iner.getB().equals(item.getB()){resultSet.add(inner);}}})returnresultSet;}AI修正后代码importjava.util.*;importjava.util.stream.Collectors;publicSetPairfn(ListPairl1,ListPairl2){SetPairresultSetnewHashSet();for(Pairp1:l1){for(Pairp2:l2){if(p1.getA().equals(p2.getA())p1.getB().equals(p2.getB())){resultSet.add(p1);// 可以添加p1或p2因为它们相等break;// 找到后跳出内层循环}}}returnresultSet;}标准答案(把我的原来的方法效率是O(n²)使用HashSet可以优化到O(n)。)使用Stream API的简洁写法publicSetPairfn(ListPairl1,ListPairl2){SetPairset1newHashSet(l1);returnl2.stream().filter(set1::contains).collect(Collectors.toSet());}注意要使HashSet.contains()正常工作必须在Pair类中正确重写equals()和hashCode()方法DatapublicclassPair{Integera;Integerb;Overridepublicbooleanequals(Objecto){if(thiso)returntrue;if(onull||getClass()!o.getClass())returnfalse;Pairpair(Pair)o;returnObjects.equals(a,pair.a)Objects.equals(b,pair.b);}OverridepublicinthashCode(){returnObjects.hash(a,b);}}二、题目2有如下数据库表是学生的各科成绩表格学号 姓名 科目 分数1 张三 语文 801 张三 数学 901 张三 英语 702 李四 语文 602 李四 数学 802 李四 英语 903 王五 语文 703 王五 数学 60 … … … … 问题1、 撰写建表 SQL 语句建立学生成绩表2、 撰写查询 SQL 语句输出所有科目平均分大于 80 分的学生3、 撰写查询 SQL 语句输出语文成绩比数学成绩好的学生我的答案//要加判断或者覆盖create table table{column idvarchar2(16)not NULL primary key,Columnnamevarchar2(16)defaultnull,Columnsubjectvarchar2(16)defaultnull,Columnscorenumber(1000,2)defaultnull,}Selectname from(selectsum(score)/3total,t1.name from table t1 where subject‘语文’ or subject‘数学’or subject‘英语’ groupBy t1.name)t2 where t2.total80;Selectname from((select t1.score,t1.name from table where subject‘语文’)t1 left join(select t1.score,t1.name from table where subject‘数学’)t2)t3 where t1.scoret2.score;错误分析建表语句答案CREATE TABLE student_score(idVARCHAR2(16)NOT NULL, name VARCHAR2(16), subject VARCHAR2(16), score NUMBER(5,2), PRIMARY KEY(id, subject));2.输出所有科目平均分大于80分的学生(竟然忘了还有 having avg )SELECT name FROM student_score GROUP BY name HAVING AVG(score)80;3.输出语文成绩比数学成绩好的学生SELECT c.name FROM student_score c JOIN student_score m ON c.namem.name WHERE c.subject语文AND m.subject数学AND c.scorem.score;SELECT c.name FROM student_score c LEFT JOIN student_score m ON c.namem.name AND m.subject数学WHERE c.subject语文AND(c.scorem.score OR m.score IS NULL);三、总结功能 思路都是正确的但是太复杂在word里面写代码不容易啊(没有提示)菜就得多练

相关新闻

收藏这份大模型全景图,从技术到应用一次学透

收藏这份大模型全景图,从技术到应用一次学透

本文全面分析了AI大模型的定义、分类、发展历程及产业链结构。大模型分为通用、行业和垂直三类,产业链涵盖基础层(算力、数据)、模型层和应用层。全球竞争激烈,市场前景广阔,预计2028年中国市场规模达211亿元。未来竞争…

2026/7/6 21:27:25 阅读更多 →
收藏!Java开发者必看:2026年冲AI大模型应用开发,躺赢职业新赛道

收藏!Java开发者必看:2026年冲AI大模型应用开发,躺赢职业新赛道

前阵子刷到一则程序员求助帖,核心纠结点很真实:两个薪资福利双在线的大厂offer,该选高德扫街大模型应用开发Java岗,还是另一家大厂的常规岗位? 当时不少博主都给出了倾向性建议,几乎一致推荐高德扫街的大模…

2026/7/7 19:03:26 阅读更多 →
{“message“:“User login“,“context“:{“user_id“:123},“extra“:{“request_id“:“abc123“}}的庖丁解牛

{“message“:“User login“,“context“:{“user_id“:123},“extra“:{“request_id“:“abc123“}}的庖丁解牛

{"message":"User login","context":{"user_id":123},"extra":{"request_id":"abc123"}} 是 结构化日志(Structured Logging)的标准 JSON 格式,由 Monolog&#xff0…

2026/7/7 13:23:47 阅读更多 →

最新新闻

3种工业机器视觉颜色识别方案对比:传统HSV、Blob分析与深度学习YOLOv8

3种工业机器视觉颜色识别方案对比:传统HSV、Blob分析与深度学习YOLOv8

工业机器视觉颜色识别三大技术路径深度评测:从传统算法到YOLOv8的实战选型指南在自动化产线上,一块电路板正以每秒3米的速度通过检测工位。传统HSV算法因反光误判为缺陷导致停机,而改用YOLOv8深度学习模型的生产线却准确捕捉到了真正的焊点缺…

2026/7/8 23:36:55 阅读更多 →
3种机器视觉颜色识别方案对比:传统HSV、Blob分析与YOLOv8,实测FPS与精度

3种机器视觉颜色识别方案对比:传统HSV、Blob分析与YOLOv8,实测FPS与精度

3种机器视觉颜色识别方案对比:传统HSV、Blob分析与YOLOv8,实测FPS与精度 在工业自动化与智能制造的浪潮中,颜色识别技术正成为生产线上的"火眼金睛"。从汽车零部件色差检测到食品包装印刷质量把控,再到药品标签颜色验证…

2026/7/8 23:36:55 阅读更多 →
Browser Use 实战指南:AI 智能体浏览器自动化

Browser Use 实战指南:AI 智能体浏览器自动化

随着 AI 智能体开始从内容生成走向任务执行,浏览器自动化成为连接 AI 与 Web 应用的重要入口。但传统自动化工具依赖固定脚本和页面结构,当网站频繁更新或交互流程复杂时,维护成本不断增加。Browser Use 通过结合大语言模型和浏览器控制能力&…

2026/7/8 23:32:52 阅读更多 →
自动驾驶激光雷达标定:Apollo 9.0 动态标定实战,10km/h 绕圈采集与结果更新

自动驾驶激光雷达标定:Apollo 9.0 动态标定实战,10km/h 绕圈采集与结果更新

自动驾驶激光雷达动态标定实战:Apollo 9.0 10km/h绕圈采集全流程解析激光雷达作为自动驾驶系统的"眼睛",其标定精度直接决定了感知模块的可靠性。传统静态标定方法依赖专用场地和标定板,难以应对实际道路环境中的机械振动和温度漂移…

2026/7/8 23:32:52 阅读更多 →
激光雷达-相机联合标定:无靶标自动算法解析与3类环境特征应用

激光雷达-相机联合标定:无靶标自动算法解析与3类环境特征应用

激光雷达-相机联合标定:无靶标自动算法解析与3类环境特征应用当自动驾驶车辆行驶在复杂的城市环境中,激光雷达与相机的数据融合质量直接决定了感知系统的可靠性。传统标定方法依赖特定标定板,不仅操作繁琐,更难以应对车辆长期运行…

2026/7/8 23:32:52 阅读更多 →
MobileNetV3-Small 1.0 与 ShuffleNetV2 1.0x 移动端部署对比:ImageNet 精度与 3 款手机推理速度实测

MobileNetV3-Small 1.0 与 ShuffleNetV2 1.0x 移动端部署对比:ImageNet 精度与 3 款手机推理速度实测

MobileNetV3-Small 1.0 与 ShuffleNetV2 1.0x 移动端部署实战评测:精度、速度与内存占用全解析在移动端AI应用开发中,模型选型往往需要在精度、推理速度和内存占用之间寻找平衡点。本文将通过完整的Benchmark测试流程,对比分析MobileNetV3-Sm…

2026/7/8 23:30:50 阅读更多 →

日新闻

3大核心能力重塑《明日方舟》游戏体验:MAA自动化助手的革命性突破

3大核心能力重塑《明日方舟》游戏体验:MAA自动化助手的革命性突破

3大核心能力重塑《明日方舟》游戏体验:MAA自动化助手的革命性突破 【免费下载链接】MaaAssistantArknights 《明日方舟》小助手,全日常一键长草!| A one-click tool for the daily tasks of Arknights, supporting all clients. 项目地址: …

2026/7/8 0:00:48 阅读更多 →
MyBatis 批量操作深度优化——从 N+1 到批处理的全路径

MyBatis 批量操作深度优化——从 N+1 到批处理的全路径

MyBatis 批量操作深度优化——从 N1 到批处理的全路径 一、从"功能正确"到"性能可接受"——MyBatis 批量操作的三段式进化 MyBatis 在日常增删改查场景中几乎是无感的——实体映射直观、SQL 控制灵活。但当数据量从千级上升到十万级、百万级,许…

2026/7/8 0:00:48 阅读更多 →
工业负载控制方案:TPD2015FN与PIC18F45K22应用解析

工业负载控制方案:TPD2015FN与PIC18F45K22应用解析

1. 工业负载控制方案概述在工业自动化、电机驱动和照明控制等高需求场景中,可靠地控制电感和电阻负载是核心挑战之一。TPD2015FN作为东芝的8通道高端智能功率开关IC,配合PIC18F45K22微控制器,能够构建一套稳定、高效的负载控制系统。这套组合…

2026/7/8 0:02:48 阅读更多 →

周新闻

B站视频下载神器BiliTools:5分钟学会轻松保存任何B站内容

B站视频下载神器BiliTools:5分钟学会轻松保存任何B站内容

B站视频下载神器BiliTools:5分钟学会轻松保存任何B站内容 【免费下载链接】BiliTools A cross-platform bilibili toolbox. 跨平台哔哩哔哩工具箱,支持下载视频、番剧等等各类资源 项目地址: https://gitcode.com/GitHub_Trending/bilit/BiliTools …

2026/7/8 16:14:06 阅读更多 →
威胁模型全解析:从新手入门到实战应用,助你构建安全产品!

威胁模型全解析:从新手入门到实战应用,助你构建安全产品!

威胁模型的陌生现状在忙碌疲惫的一天里,参与了关于混合后量子密码学的讨论,应付端点攻击找茬的人,还参与留言板讨论后,发现“威胁模型”对多数人仍是陌生概念,且多被当作时髦用语。有趣的相关画作有一幅由 Embyr 创作的…

2026/7/7 12:34:47 阅读更多 →
渗透测试入门指南:从零基础到实战环境搭建

渗透测试入门指南:从零基础到实战环境搭建

1. 从“看热闹”到“入门”:我理解的渗透测试到底是什么?每次看到新闻里说某个大公司的数据被“黑”了,或者某个网站被攻击导致服务瘫痪,你是不是和我一样,心里会冒出两个念头:一是“这黑客真厉害”&#x…

2026/7/8 16:59:55 阅读更多 →

月新闻