数据结构与算法 / 系统课时
写完代码后做系统化自测
写完代码后做系统化自测
代码通过自己想到的一个样例并不够。提交或向面试官宣布完成前,按固定顺序检查空输入、单元素、重复值、极端值和一般样例,可以减少因为遗漏边界条件而产生的低级错误。
学习目标
- 建立可重复使用的算法自测清单
- 为不同边界类型设计最小测试数据
- 根据失败样例快速判断错误属于哪一类
固定检查五类输入
写完代码后不要凭感觉随机造数据。固定检查以下五类情况更稳定:
- 空输入:确认函数是否允许空集合,以及返回值是否符合题目约定。
- 单元素:检查循环是否会执行过多或过少一次。
- 重复值:暴露错误去重、覆盖旧状态或错误使用同一元素两次的问题。
- 极端值:检查整数溢出、哨兵值和比较边界。
- 一般样例:确认正常路径能够得到正确答案。
并不是每道 LeetCode 题都允许空输入或所有极端值。如果题目已经明确限制输入范围,可以把不可能出现的情况划掉,但要先读清约束,而不是默认忽略。
用一组测试覆盖不同风险
以 Two Sum 为例,下面的实现用哈希表保存此前元素的位置。测试数据分别覆盖五类输入。
python
def two_sum(nums, target):
seen = {}
for i, value in enumerate(nums):
need = target - value
if need in seen:
return [seen[need], i]
# 先查再写,避免错误地把当前元素与自己配对。
seen[value] = i
return None
tests = {
'empty': ([], 9),
'single': ([4], 8),
'duplicates': ([3, 3], 6),
'extreme': ([10**9, -10**9], 0),
'general': ([2, 7, 11, 15], 9),
}
for name, (nums, target) in tests.items():
print(f'{name}: {two_sum(nums, target)}')预期输出
text
empty: None
single: None
duplicates: [0, 1]
extreme: [0, 1]
general: [0, 1]这里最值得观察的是重复值案例。如果把元素先写入 seen 再检查补数,[3, 3] 这类输入可能暴露“同一个下标被使用两次”的实现错误。测试样例因此不仅要有正确答案,还要能针对代码结构中的风险点。
测试失败时按类型定位
看到错误输出后,不要立刻大改算法。先根据失败输入缩小范围:只有空输入失败,通常检查初始化和提前返回;单元素失败,优先检查循环边界;重复值失败,检查去重和状态覆盖;只有大数失败,在 Java、C++ 等固定宽度整数语言中应重点检查溢出和类型提升。
提交前再检查代码结构
样例全部通过后,再快速检查一次与具体输入无关的问题:返回值是否覆盖所有路径,数组或字符串访问是否可能越界,循环变量是否一定推进,以及临时状态是否在下一轮前正确重置。
系统化自测的价值不在于制造大量测试,而在于用少量、互补的样例覆盖不同错误类型。形成固定顺序后,通常几十秒就能完成一次高质量检查。
按自己的节奏,确认真正理解。