目录
一、题目内容
二、解题思路
三、代码
一、题目内容
让我们一起来玩扫雷游戏!
给定一个代表游戏板的二维字符矩阵。 \’M\’ 代表一个未挖出的地雷,\’E\’ 代表一个未挖出的空方块,\’B\’ 代表没有相邻(上,下,左,右,和所有4个对角线)地雷的已挖出的空白方块,数字(\’1\’ 到 \’8\’)表示有多少地雷与这块已挖出的方块相邻,\’X\’ 则表示一个已挖出的地雷。
现在给出在所有未挖出的方块中(\’M\’或者\’E\’)的下一个点击位置(行和列索引),根据以下规则,返回相应位置被点击后对应的面板:
如果一个地雷(\’M\’)被挖出,游戏就结束了- 把它改为 \’X\’。
如果一个没有相邻地雷的空方块(\’E\’)被挖出,修改它为(\’B\’),并且所有和其相邻的未挖出方块都应该被递归地揭露。
如果一个至少与一个地雷相邻的空方块(\’E\’)被挖出,修改它为数字(\’1\’到\’8\’),表示相邻地雷的数量。
如果在此次点击中,若无更多方块可被揭露,则返回面板。
示例 1:
输入:
[[\’E\’, \’E\’, \’E\’, \’E\’, \’E\’],
[\’E\’, \’E\’, \’M\’, \’E\’, \’E\’],
[\’E\’, \’E\’, \’E\’, \’E\’, \’E\’],
[\’E\’, \’E\’, \’E\’, \’E\’, \’E\’]]Click : [3,0]
输出:
[[\’B\’, \’1\’, \’E\’, \’1\’, \’B\’],
[\’B\’, \’1\’, \’M\’, \’1\’, \’B\’],
[\’B\’, \’1\’, \’1\’, \’1\’, \’B\’],
[\’B\’, \’B\’, \’B\’, \’B\’, \’B\’]]解释:
示例 2:
输入:
[[\’B\’, \’1\’, \’E\’, \’1\’, \’B\’],
[\’B\’, \’1\’, \’M\’, \’1\’, \’B\’],
[\’B\’, \’1\’, \’1\’, \’1\’, \’B\’],
[\’B\’, \’B\’, \’B\’, \’B\’, \’B\’]]Click : [1,2]
输出:
[[\’B\’, \’1\’, \’E\’, \’1\’, \’B\’],
[\’B\’, \’1\’, \’X\’, \’1\’, \’B\’],
[\’B\’, \’1\’, \’1\’, \’1\’, \’B\’],
[\’B\’, \’B\’, \’B\’, \’B\’, \’B\’]]解释:
注意:
输入矩阵的宽和高的范围为 [1,50]。
点击的位置只能是未被挖出的方块 (\’M\’ 或者 \’E\’),这也意味着面板至少包含一个可点击的方块。
输入面板不会是游戏结束的状态(即有地雷已被挖出)。
简单起见,未提及的规则在这个问题中可被忽略。例如,当游戏结束时你不需要挖出所有地雷,考虑所有你可能赢得游戏或标记方块的情况。
二、解题思路
1.点击的邻近八个方向需要查找是否有地雷M,有则改为地雷数目(1-8)。
2.若邻近的八个方向都没有地雷,则改为B,且递归查找八个方向的八个方向是否有地雷。
3.若直接点击为地雷M,则改为X。
三、代码
[code]class Solution(object):def updateBoard(self, board, click):\"\"\":type board: List[List[str]]:type click: List[int]:rtype: List[List[str]]\"\"\"L = len(board)W = len(board[0])x = click[0]y = click[1]if board[x][y] == \"M\":board[x][y] = \"X\"return boarddef dfs(x, y):if x < 0 or x >= L or y < 0 or y >= W or board[x][y] not in \"EM\":returnif board[x][y] == \"M\":returnelif board[x][y] == \"E\":count = 0# leftif x - 1 >= 0 and x - 1 < L and y >= 0 and y < W and board[x - 1][y] == \"M\":count += 1# rightif x + 1 >= 0 and x + 1 < L and y >= 0 and y < W and board[x + 1][y] == \"M\":count += 1# downif x >= 0 and x < L and y - 1 >= 0 and y - 1 < W and board[x][y - 1] == \"M\":count += 1# upif x >= 0 and x < L and y + 1 >= 0 and y + 1 < W and board[x][y + 1] == \"M\":count += 1# left downif x - 1 >= 0 and x - 1 < L and y - 1 >= 0 and y - 1 < W and board[x - 1][y - 1] == \"M\":count += 1# right downif x + 1 >= 0 and x + 1 < L and y - 1 >= 0 and y - 1 < W and board[x + 1][y - 1] == \"M\":count += 1# left upif x - 1 >= 0 and x - 1 < L and y + 1 >= 0 and y + 1 < W and board[x - 1][y + 1] == \"M\":count += 1# right upif x + 1 >= 0 and x + 1 < L and y + 1 >= 0 and y + 1 < W and board[x + 1][y + 1] == \"M\":count += 1if count == 0:board[x][y] = \"B\"dfs(x - 1, y)dfs(x + 1, y)dfs(x, y - 1)dfs(x, y + 1)dfs(x - 1, y - 1)dfs(x + 1, y - 1)dfs(x - 1, y + 1)dfs(x + 1, y + 1)else:board[x][y] = str(count)dfs(x, y)return boardif __name__ == \'__main__\':board = [[\"E\",\"E\",\"E\",\"E\",\"E\"],[\"E\",\"E\",\"M\",\"E\",\"E\"],[\"E\",\"E\",\"E\",\"E\",\"E\"],[\"E\",\"E\",\"E\",\"E\",\"E\"]]click = [3, 0]s = Solution()ans = s.updateBoard(board, click)print(ans)
悲恋花丶无心之人CSDN认证博客专家TensorFlow深度学习神经网络计算机视觉在读研究生,熟悉Pytorch,MXNet,TensorFlow,Keras等深度学习框架,主要涉及的领域有目标检测,语义分割,超分辨率重建,行人重识别等。