CSP认证刷题笔记(2)ISBN号码(13年CSP认证第二题)

2024-05-16 01:36

本文主要是介绍CSP认证刷题笔记(2)ISBN号码(13年CSP认证第二题),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • 题目描述
    • 基本思路

题目描述

  • 每一本正式出版的图书都有一个 ISBN 号码与之对应。
  • ISBN 码包括9位数字、1位识别码和3位分隔符,其规定格式如x-xxx-xxxxx-x,其中符号-
    是分隔符(键盘上的减号),最后一位是识别码,例如0-670-82162-4就是一个标准的ISBN码。
  • ISBN 码的首位数字表示书籍的出版语言,例如0代表英语;第一个分隔符 - 之后的三位数字代表出版社,例如670代表维京出版社;第二个分隔之后的五位数字代表该书在出版社的编号;最后一位为识别码。
  • 识别码的计算方法如下:首位数字乘以1,加上次位数字乘以2,以此类推,用所得的结果mod11所得的余数即为识别码,如果余数为10,则识别码为大写字母X
  • 编写程序判断输入的 ISBN 号码中识别码是否正确,如果正确,则仅输出Right;如果错误,则输出是正确的 ISBN 号码。
  • 输入格式:输入只有一行,是一个字符序列,表示一本书的 ISBN 号码(保证输入符合 ISBN 号码的格式要求)。
  • 输出格式:输出一行,假如输入的ISBN号码的识别码正确,那么输出Right,否则,按照规定的格式,输出正确的ISBN号码(包括分隔符 -)。

基本思路

这道题属于典型的简单的模拟题,也就是并不依赖于某个具体的算法,只需要将题目所给的计算过程通过代码模拟出来即可。代码如下所示:

#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;string input;
int a[10];
int result(0);int main(void)
{cin>>input;a[0]=int(input[0]-'0');a[1]=int(input[2]-'0');a[2]=int(input[3]-'0');a[3]=int(input[4]-'0');a[4]=int(input[6]-'0');a[5]=int(input[7]-'0');a[6]=int(input[8]-'0');a[7]=int(input[9]-'0');a[8]=int(input[10]-'0');for(int i(0);i<9;i++){result+=(a[i]*(i+1));}result%=11;if((result>=0&&result<=9)&&(result==int(input[12]-'0'))){cout<<"Right"<<endl;}else if(result==10&&input[12]=='X'){cout<<"Right"<<endl;}else{if(result>=0&&result<=9){input[12]=char(result+'0');}else{input[12]='X';}cout<<input<<endl;}return 0;
}

这篇关于CSP认证刷题笔记(2)ISBN号码(13年CSP认证第二题)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/993496

相关文章

Sping 源码深度解析——容器的功能扩展 【学习笔记】

我为什么 看的不够远,因为高度不够! 学习和整理总结Spring容器的功能扩展,本文为学习笔记,其中有一些内容是自己的思考总结! 一、两种Spring中bean加载的方式 第一种 # 第一种使用 BeanFactory 以及它默认的实现类 XmlBeanFactoryBeanFactory bf = new XmlBeanFactory(new ClassPathResource(

学习笔记:从技术到管理,在蜕变中成长

大家好,我是阿飞云 怕什么真理无穷,进一步有近一步的欢喜 前几天分享了一篇有关于:从程序员到管理团队,分享一些职场管理的心得,相关内容也可点击下面卡片跳转查看。 本文分享一个看到过的视频内容,视频分享人是 特赞科技 CTO 黄勇,做了关于《从技术到管理,在蜕变中成长》的主题分享,对做技术与做管理的不同,到如何把事情做好有哪些模式,以及团队作战能力方面做了深入的分析。 看完后觉得挺有收获的,学习

我这两年收藏的嵌入式AI资源,并做了学习笔记

有粉丝问我:“当前乃至未来5-10年,嵌入式开发者还有哪些风口?” 画外音:风口的本质,其实就是一段时间的人才供需不平衡。说白了就是由于行业突变,敏锐的资本快速进入,导致短时间内行业大量扩张,需要大量开发者。 目前的嵌入式开发越来越倾向于智能化,也就是我们所说的智能硬件(硬件+软件)。 以百度机器人为例,机器人的核心是大脑,即是“数据和算法” ,但机器人大脑想机器人身躯能够像人类一样活动,能说会

threejs坑记录-笔记

雪花 注意depthTest: false 否则会出现有transparent无效 const createSnow = () => {let map = new THREE.TextureLoader().load(snow);let material = new THREE.SpriteMaterial({map: map,transparent: true,side: THREE.Dou

Vue学习笔记:拦截器

原文地址 Vue可以对http request和http response添加全局拦截,最典型的例子就是在请求头里添加token,和监测是否登录,如果没有登录则跳转到登录页面。 main.js中添加拦截器的代码: 1. request 拦截器 //request 拦截器,在请求头中加tokenaxios.interceptors.request.use(config => {if (lo

Pytorch学习笔记_4_训练一个分类器

关于数据 一般来说,对于图像、文本、音频或视频数据,可以使用标准的Python包来将这些数据加载为numpy array,之后可以将这些array转换为torch.*Tensor 对于图像,Pillow、OpenCV包音频,scipy、librosa包文本,可以使用原始Python和Cython加载,或NLKT和SpaCy 特别的,对于视觉任务,有一个包torchvision,其中包含了处理

Pytorch学习笔记_3_构建一个神经网络

Neural Networks 神经网络可以通过使用torch.nn包来创建 nn依赖于autograd来定义模型并求导。 一个nn.Module类包含各个层和一个forward(input)前向传播方法,该方法返回output 例如这个分类数字图像的网络: 这是个简单的前馈神经网络,它接受一个输入,然后一层接一层的传递,最后输出计算结果 一个神经网络的典型训练过程: 定义包

Pytorch学习笔记_2_Autograd自动求导机制

Autograd 自动求导机制 PyTorch 中所有神经网络的核心是 autograd 包。 autograd 包为张量上的所有操作提供了自动求导。它是一个在运行时定义的框架,可以通过代码的运行来决定反向传播的过程,并且每次迭代可以是不同的。 通过一些示例来了解 Tensor 张量 torch.tensor是这个包的核心类。 设置.requires_grad为True,会追踪所有对于

Pytorch学习笔记_1_tensor张量

Tensors Tensors与Numpy中的ndarrays类似 torch.new_* 与 torch.*_like 前者创建的对象会保持原有的属性(如dtype),但shape不同 >>> x = torch.zeros(5, 3, dtype=torch.double)>>> x.new_ones(2, 3)tensor([[1., 1., 1.],[1., 1., 1.]],

sublime3 + markdown 笔记

1. package control: 安装俩插件就可以在sublime用markdown啦~ MarkdownEditing:编辑 OmniMarkupPreviewer:预览 安装插件方法: preference -> package control 2. markdown: MarkdownEditing 基本语法不赘述了,这里贴点小技巧 command + option