雖說我們很多時候前端很少有機會接觸到算法。大多都交互性的操作，然而從各大公司面試來看，算法依舊是考察的一方面。實際上學習數據結構與算法對於工程師去理解和分析問題都是有幫助的。如果將來當我們面對較為復雜的問題，這些基礎知識的積累可以幫助我們更好的優化解決思路。下面羅列在前端面試中經常撞見的幾個問題吧。
Q1 判斷一個單詞是否是回文？
回文是指把相同的詞匯或句子，在下文中調換位置或顛倒過來，產生首尾回環的情趣，叫做回文，也叫回環。比如 mamam redivider .
很多人拿到這樣的題目非常容易想到用for 將字符串顛倒字母順序然后匹配就行了。其實重要的考察的就是對於reverse的實現。其實我們可以利用現成的函數，將字符串轉換成數組，這個思路很重要，我們可以擁有更多的自由度去進行字符串的一些操作。
|
1
2
3
|
function checkPalindrom(str) {
return str == str.split('').reverse().join('');
}
|
Q2 去掉一組整型數組重復的值
|
1
2
3
|
比如輸入
: [1,13,24,11,11,14,1,2]
輸出
: [1,13,24,11,14,2]
需要去掉重復的
11 和 1 這兩個元素。
|
這道問題出現在諸多的前端面試題中，主要考察個人對Object的使用，利用key來進行篩選。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
/**
* unique an array
**/
let unique = function(arr) {
let hashTable = {};
let data = [];
for(let i=0,l=arr.length;i<l;i++) {
if(!hashTable[arr[i]]) {
hashTable[arr[i]] = true;
data.push(arr[i]);
}
}
return data
}
module.exports = unique;
|
Q3 統計一個字符串出現最多的字母
給出一段英文連續的英文字符竄，找出重復出現次數最多的字母
|
1
2
3
|
輸入
： afjghdfraaaasdenas
輸出
： a
|
前面出現過去重的算法，這里需要是統計重復次數。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
function findMaxDuplicateChar(str) {
if(str.length == 1) {
return str;
}
let charObj = {};
for(let i=0;i<str.length;i++) {
if(!charObj[str.charAt(i)]) {
charObj[str.charAt(i)] = 1;
}else{
charObj[str.charAt(i)] += 1;
}
}
let maxChar = '',
maxValue = 1;
for(var k in charObj) {
if(charObj[k] >= maxValue) {
maxChar = k;
maxValue = charObj[k];
}
}
return maxChar;
}
module.exports = findMaxDuplicateChar;
|
Q4 排序算法
如果抽到算法題目的話，應該大多都是比較開放的題目，不限定算法的實現，但是一定要求掌握其中的幾種，所以冒泡排序，這種較為基礎並且便於理解記憶的算法一定需要熟記於心。冒泡排序算法就是依次比較大小，小的的大的進行位置上的交換。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
function bubbleSort(arr) {
for(let i = 0,l=arr.length;i<l-1;i++) {
for(let j = i+1;j<l;j++) {
if(arr[i]>arr[j]) {
let tem = arr[i];
arr[i] = arr[j];
arr[j] = tem;
}
}
}
return arr;
}
module.exports = bubbleSort;
|
除了冒泡排序外，其實還有很多諸如 插入排序,快速排序，希爾排序等。每一種排序算法都有各自的特點。全部掌握也不需要，但是心底一定要熟悉幾種算法。 比如快速排序，其效率很高，而其基本原理如圖(來自wiki)：
算法參考某個元素值，將小於它的值，放到左數組中，大於它的值的元素就放到右數組中，然后遞歸進行上一次左右數組的操作，返回合並的數組就是已經排好順序的數組了。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
function quickSort(arr) {
if(arr.length<=1) {
return arr;
}
let leftArr = [];
let rightArr = [];
let q = arr[0];
for(let i = 1,l=arr.length; i<l; i++) {
if(arr[i]>q) {
rightArr.push(arr[i]);
}else{
leftArr.push(arr[i]);
}
}
return [].concat(quickSort(leftArr),[q],quickSort(rightArr));
}
module.exports = quickSort;
|
安利大家一個學習的地址，通過動畫演示算法的實現。
HTML5 Canvas Demo: Sorting Algorithms
Q5 不借助臨時變量，進行兩個整數的交換
|
1
|
輸入
a = 2, b = 4 輸出 a = 4, b =2
|
這種問題非常巧妙，需要大家跳出慣有的思維，利用 a , b進行置換。
主要是利用 + – 去進行運算，類似 a = a + ( b – a) 實際上等同於最后 的 a = b;
|
1
2
3
4
5
6
7
8
|
function swap(a , b) {
b = b - a;
a = a + b;
b = a - b;
return [a,b];
}
module.exports = swap;
|
Q6 使用canvas 繪制一個有限度的斐波那契數列的曲線？
數列長度限定在9.
斐波那契數列，又稱黃金分割數列，指的是這樣一個數列：0、1、1、2、3、5、8、13、21、34、……在數學上，斐波納契數列主要考察遞歸的調用。我們一般都知道定義
|
1
|
fibo[i] = fibo[i-1]+fibo[i-2];
|
生成斐波那契數組的方法
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
function getFibonacci(n) {
var fibarr = [];
var i = 0;
while(i<n) {
if(i<=1) {
fibarr.push(i);
}else{
fibarr.push(fibarr[i-1] + fibarr[i-2])
}
i++;
}
return fibarr;
}
|
剩余的工作就是利用canvas arc方法進行曲線繪制了
Q7 找出下列正數組的最大差值比如:
|
1
2
3
|
輸入
[10,5,11,7,8,9]
輸出
6
|
這是通過一道題目去測試對於基本的數組的最大值的查找，很明顯我們知道，最大差值肯定是一個數組中最大值與最小值的差。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
function getMaxProfit(arr) {
var minPrice = arr[0];
var maxProfit = 0;
for (var i = 0; i < arr.length; i++) {
var currentPrice = arr[i];
minPrice = Math.min(minPrice, currentPrice);
var potentialProfit = currentPrice - minPrice;
maxProfit = Math.max(maxProfit, potentialProfit);
}
return maxProfit;
}
|
Q8 隨機生成指定長度的字符串
實現一個算法，隨機生成指制定長度的字符竄。
|
1
|
比如給定
長度 8 輸出 4ldkfg9j
|
|
1
2
3
4
5
6
7
8
9
10
11
12
|
function randomString(n) {
let str = 'abcdefghijklmnopqrstuvwxyz9876543210';
let tmp = '',
i = 0,
l = str.length;
for (i = 0; i < n; i++) {
tmp += str.charAt(Math.floor(Math.random() * l));
}
return tmp;
}
module.exports = randomString;
|
Q9 實現類似getElementsByClassName 的功能
自己實現一個函數，查找某個DOM節點下面的包含某個class的所有DOM節點？不允許使用原生提供的 getElementsByClassName querySelectorAll 等原生提供DOM查找函數。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
function queryClassName(node, name) {
var starts = '(^|[ \n\r\t\f])',
ends = '([ \n\r\t\f]|$)';
var array = [],
regex = new RegExp(starts + name + ends),
elements = node.getElementsByTagName("*"),
length = elements.length,
i = 0,
element;
while (i < length) {
element = elements[i];
if (regex.test(element.className)) {
array.push(element);
}
i += 1;
}
return array;
}
|
Q10 使用JS 實現二叉查找樹(Binary Search Tree)
一般叫全部寫完的概率比較少，但是重點考察你對它的理解和一些基本特點的實現。 二叉查找樹，也稱二叉搜索樹、有序二叉樹（英語：ordered binary tree）是指一棵空樹或者具有下列性質的二叉樹：
- 任意節點的左子樹不空，則左子樹上所有結點的值均小於它的根結點的值；
- 任意節點的右子樹不空，則右子樹上所有結點的值均大於它的根結點的值；
- 任意節點的左、右子樹也分別為二叉查找樹；
- 沒有鍵值相等的節點。二叉查找樹相比於其他數據結構的優勢在於查找、插入的時間復雜度較低。為O(log n)。二叉查找樹是基礎性數據結構，用於構建更為抽象的數據結構，如集合、multiset、關聯數組等。
在寫的時候需要足夠理解二叉搜素樹的特點，需要先設定好每個節點的數據結構
|
1
2
3
4
5
6
7
8
|
class Node {
constructor(data, left, right) {
this.data = data;
this.left = left;
this.right = right;
}
}
|
樹是有節點構成，由根節點逐漸延生到各個子節點，因此它具備基本的結構就是具備一個根節點，具備添加，查找和刪除節點的方法.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
|
class BinarySearchTree {
constructor() {
this.root = null;
}
insert(data) {
let n = new Node(data, null, null);
if (!this.root) {
return this.root = n;
}
let currentNode = this.root;
let parent = null;
while (1) {
parent = currentNode;
if (data < currentNode.data) {
currentNode = currentNode.left;
if (currentNode === null) {
parent.left = n;
break;
}
} else {
currentNode = currentNode.right;
if (currentNode === null) {
parent.right = n;
break;
}
}
}
}
remove(data) {
this.root = this.removeNode(this.root, data)
}
removeNode(node, data) {
if (node == null) {
return null;
}
if (data == node.data) {
// no children node
if (node.left == null && node.right == null) {
return null;
}
if (node.left == null) {
return node.right;
}
if (node.right == null) {
return node.left;
}
let getSmallest = function(node) {
if(node.left === null && node.right == null) {
return node;
}
if(node.left != null) {
return node.left;
}
if(node.right !== null) {
return getSmallest(node.right);
}
}
let temNode = getSmallest(node.right);
node.data = temNode.data;
node.right = this.removeNode(temNode.right,temNode.data);
return node;
} else if (data < node.data) {
node.left = this.removeNode(node.left,data);
return node;
} else {
node.right = this.removeNode(node.right,data);
return node;
}
}
find(data) {
var current = this.root;
while (current != null) {
if (data == current.data) {
break;
}
if (data < current.data) {
current = current.left;
} else {
current = current.right
}
}
return current.data;
}
}
module.exports = BinarySearchTree;
|