L1-032.Left-pad

根据新浪微博上的消息,有一位开发者不满NPM(Node Package Manager)的做法,收回了自己的开源代码,其中包括一个叫left-pad的模块,就是这个模块把javascript里面的React/Babel干瘫痪了。这是个什么样的模块?就是在字符串前填充一些东西到一定的长度。例如用“*”去填充字符串“GPLT”,使之长度为10,调用left-pad的结果就应该是“******GPLT”。Node社区曾经对left-pad紧急发布了一个替代,被严重吐槽。下面就请你来实现一下这个模块。

输入格式:

输入在第一行给出一个正整数N(<=104)和一个字符,分别是填充结果字符串的长度和用于填充的字符,中间以1个空格分开。第二行给出原始的非空字符串,以回车结束。

输出格式:

在一行中输出结果字符串。

输入样例1:

15 _
I love GPLT

输出样例1:

____I love GPLT

输入样例2:

4 *
this is a sample for cut

输出样例2:

 cut
#include<stdio.h>
#include<string.h>
int main() {
    int num,i,len;
    char c;
    char ch[100000]= {0};
    scanf("%d %c",&num,&c);
    getchar();
    gets(ch);
    len=strlen(ch);
    if(num>len) {
        for(i=0; i<num-len; i++) {
            printf("%c",c);
        }
        for(i=0; i<len; i++) {
            printf("%c",ch[i]);
        }
    }else{
        for(i=len-num;i<len;i++){
            printf("%c",ch[i]);
        }
    }
    return 0;
}
时间: 2024-10-06 01:35:54

L1-032.Left-pad的相关文章

实验:线性表及其应用

一.实验内容 [问题描述] 设计一个实现任意长的整数进行加法运算的演示程序 . [基本要求] 利用双向循环链表实现长整数的存储,每个结点含一个整形变量.输入和输出形式:按中国对于长整数的表示习惯,每四位一组,组间用逗号隔开. [测试数据] (1)0:0:应输出“0”. (2)-2345,6789:-7654,3211:应输出“-1,0000,0000”. (3)-9999,9999:1,0000,0000,0000:应输出“9999,0000,0001”. (4)1,0001,0001:-1,0

正则化方法:L1和L2 regularization、数据集扩增、dropout

本文是<Neural networks and deep learning>概览 中第三章的一部分,讲机器学习/深度学习算法中常用的正则化方法.(本文会不断补充) 正则化方法:防止过拟合,提高泛化能力 在训练数据不够多时,或者overtraining时,常常会导致overfitting(过拟合).其直观的表现如下图所示,随着训练过程,网络在training data上的error渐渐减小,但是在验证集上的error却反而渐渐增大--因为训练出来的网络过拟合了训练集,对训练集外的数据却不work

ANDROID PAD版本号 PHONE版本号 源代码有什么 差别?

ANDROID PAD版本号 PHONE版本号 源代码有什么 差别? 直接把frameworks/base/core/res/res/values/config.xml里面的<bool name="config_voice_capable">false</bool>改为false <!-- Flag indicating whether the current device is "voice capable". If true, th

在Markdown Pad中输入表格

在Markdown Pad中输入表格 今天在用Markdown Pad学习Markdown语法时发现无法输入表格,后来在官网上找到解决方案. 找到工具--选项--Markdown,然后更改Markdown处理器为Markdown(扩展),点击保存并关闭后,即可在Markdown Pad中输入表格了. 语法示例: 列A|列B ---|--- 数据A|数据B 数据C|数据D 官网英文参考资料地址: http://markdownpad.com/faq.html#markdown-tables

机器学习中的范数规则化之(一)L0、L1与L2范数

机器学习中的范数规则化之(一)L0.L1与L2范数 [email protected] http://blog.csdn.net/zouxy09 转自:http://blog.csdn.net/zouxy09/article/details/24971995 今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化.我们先简单的来理解下常用的L0.L1.L2和核范数规则化.最后聊下规则化项参数的选择问题.这里因为篇幅比较庞大,为了不吓到大家,我将这个五个部分分成两篇博文.知识有限,以下都是我一

正则化方法:L1和L2 regularization、数据集扩增、dropout(转)

ps:转的.当时主要是看到一个问题是L1 L2之间有何区别,当时对l1与l2的概念有些忘了,就百度了一下.看完这篇文章,看到那个对W减小,网络结构变得不那么复杂的解释之后,满脑子的6666-------->把网络权重W看做为对上一层神经元的一个WX+B的线性函数模拟一个曲线就好.知乎大神真的多. 版权声明:本文为博主原创文章,未经博主允许不得转载. 目录(?)[+] 本文是<Neural networks and deep learning>概览 中第三章的一部分,讲机器学习/深度学习算

C#开发利器 Linq Pad 相关

一,下载 Linq Pad 是平时在开发的过程中使用的利器,为什么这样说了. 你不用打开VS, 直接敲代码就行,F5运行即可以看到结果. 而且支持Linq, 是不错的选择. 最近想开发一个日志分析工具,简单的日志分析工具. 使用linq 读取日志只有,直接写入到mysql 数据库,然后查询结果即可.这个项目我也是准备开源到GitHub 二,基础配置 先来一张截图: 基础的界面. 三,数据库配置 如果需要链接mysql和其他数据库,需要手动下载驱动. 或者直接从网站下载驱动.http://www.

一个用 Cumulative Penalty 培训 L1 正规 Log-linear 型号随机梯度下降

  Log-Linear 模型(也叫做最大熵模型)是 NLP 领域中使用最为广泛的模型之中的一个.其训练常採用最大似然准则.且为防止过拟合,往往在目标函数中增加(能够产生稀疏性的) L1 正则.但对于这样的带 L1 正则的最大熵模型,直接採用标准的随机梯度下降法(SGD)会出现效率不高和难以真正产生稀疏性等问题. 本文为阅读作者 Yoshimasa Tsuruoka, Jun'chi Tsujii 和 Sophia Ananiadou 的论文 Stochastic Gradient Descen

左右 android AES 所述机器的一部分 javax.crypto.BadPaddingException: pad block corrupted

好多人 android 使用上述 AES 显现 javax.crypto.BadPaddingException: pad block corrupted 下面的代码发布没问题,比较自己.不解释! public static class cryptogram{ public static String encrypt(String seed, String cleartext) throws Exception { byte[] rawKey = getRawKey(seed.getBytes(

C语言合并两个集合(L,L1) 将L1中不在L中的元素插入到L线性表中

void main(){ Sqlist L,L1; InitList(&L); InitList(&L1); ListInsert(&L, 1, 2); ListInsert(&L, 2, 3); ListInsert(&L, 1, 1); ListInsert(&L1,1,1); ListInsert(&L1,2,2); ListInsert(&L1,3,4); for (int i = 0; i <L1.length; i++) {