企业官网建设流程全解析

• 科学计算

本篇文章围绕力扣第 315 场周赛第一题（findMaxK，即求数组中同时存在k与-k的最大正整数）展开，以仓库 leetcode/weekly/315/a/README.md 的官方题解为主体骨架，完整保留其哈希表思路、四种语言（Python3 / Java / C++ / Go）的参考实现与复杂度分析，并结合 codeforces-go 仓库中同目录下的真实源码、测试文件与测试框架源码，深入讲解这道题的写法细节、微优化技巧以及仓库内“题目 → 实现 → 测试数据 → 自动验证”的完整闭环。读者读完可以掌握这类“配对 / 对称查找”题目的哈希表套路，并了解本仓库单题目录的标准组织方式与测试运行机制。

题目背景：周赛 315 的 A 题

这道题位于仓库leetcode/weekly/315/目录下的a/子目录中，对应力扣第 315 场周赛的第一题（简单题），英文题名为Largest Positive Integer That Exists With Its Negative（从 a_test.go 末尾的注释可以确认）。该目录为每道周赛题提供了一个标准化的四件套结构：

• a.go：Go 语言题解实现（findMaxK函数）
• a_test.go：调用仓库测试框架自动跑样例的测试文件
• a.txt：本题的输入输出测试数据
• README.md：题解说明（思路、多语言代码、复杂度分析）

题意描述

给定一个整数数组nums，找到最大的正整数k，满足数组中同时存在k和-k。如果不存在这样的整数，返回-1。

例如：

• 输入nums = [-1,2,-3,3]：3和-3同时存在，所以答案是3；
• 输入nums = [-1,10,6,7,-7,1]：7和-7同时存在（1和-1也存在），取最大者，答案为7；
• 输入nums = [-10,8,6,7,-2,-3]：不存在互为相反数的一对数字，返回-1。

这三个用例都保存在 a.txt 中，前两行为一组输入 + 期望输出，共三组数据。

核心思路：一边遍历，一边查哈希表

题目要求的是「配对」，即对任意x，只要它和某个已见过的数字互为相反数，就构成一个合法候选。因此关键观察是：

遍历到x时，如果之前已经出现过-x，那么x与-x这一对就同时存在于数组中，|x|就是一个合法答案候选。

算法流程如下：

1. 用哈希表（集合）记录所有出现过的数字；
2. 初始化答案ans = -1；
3. 从左到右遍历nums：
   • 若-nums[i]已经在哈希表中，说明找到了配对，用|nums[i]|更新答案的最大值；
   • 把nums[i]加入哈希表（注意先查询后插入，避免把当前元素自身当成已出现的配对）；
4. 遍历结束，返回ans。

由于只需要一次线性扫描，且哈希表的插入与查询都是平均O(1)，整体复杂度非常理想（详见下文复杂度分析）。此外，把答案初值设为-1是一种常见技巧：它既是“不存在时”的返回值，也让更新逻辑统一为取最大值，无需单独处理空集情况。

四种语言的参考实现

原题解文档给出了 Python3、Java、C++、Go 四种语言的参考实现，这里完整保留并逐段注释：

Python3

class Solution: def findMaxK(self, nums: List[int]) -> int: ans = -1 s = set() for x in nums: if -x in s: ans = max(ans, abs(x)) s.add(x) return ans

Java

class Solution { public int findMaxK(int[] nums) { int ans = -1; var s = new HashSet<Integer>(); for (int x : nums) { if (s.contains(-x)) ans = Math.max(ans, Math.abs(x)); s.add(x); } return ans; } }

C++

class Solution { public: int findMaxK(vector<int> &nums) { int ans = -1; unordered_set<int> s; for (int x: nums) { if (s.count(-x)) ans = max(ans, abs(x)); s.insert(x); } return ans; } };

Go

func findMaxK(nums []int) int { ans := -1 has := map[int]bool{} for _, x := range nums { if abs(x) > ans && has[-x] { ans = abs(x) } has[x] = true } return ans } func abs(x int) int { if x < 0 { return -x }; return x }

四种实现的思路完全一致，区别仅在于语法与个别写法细节。

从源码看细节：Go 版实现的微优化

仓库中实际的 Go 实现位于 leetcode/weekly/315/a/a.go，与 README 中的 Go 版本一致。对比其他语言版本，Go 版本有一个值得注意的细节：

if abs(x) > ans && has[-x] { ans = abs(x) }

其他语言版本是ans = max(ans, abs(x))（即无条件求abs(x)再比较），而 Go 版本先判断abs(x) > ans再决定是否查询哈希表、是否更新答案。这样做的效果是：

• 减少无谓的哈希查询：只有当当前元素的绝对值超过已有答案时，才需要查has[-x]，避免对大量不可能更新答案的元素做集合查询；
• 避免重复计算abs(x)：条件成立时才第二次调用abs(x)赋值，而其他版本即使不更新答案也会计算一次绝对值；
• 保持答案单调性：因为ans只会越变越大，abs(x) > ans的剪枝不影响正确性。

这个微优化对单题而言收益有限，但体现了竞赛代码中“先判后算”的常见风格：在可读性不受损的前提下，把昂贵的操作放在条件分支里延迟执行。

另外，Go 版使用map[int]bool{}作为集合，has[-x]读取不存在键时返回零值false，恰好满足“未出现过”的语义，无需contains方法，这也是 Go 语言写集合类题目的惯用做法。

复杂度分析

• 时间复杂度：O(n)，其中n为nums的长度。整个数组只被扫描一次，每次哈希表的插入和查询均为平均O(1)；
• 空间复杂度：O(n)，哈希表最多需要存储n个不同的数字。

这一复杂度结论同样适用于上述全部四种语言实现，因为它们在数据规模上的操作次数一致。对于n ≤ 10^5级别的周赛数据范围，这是非常充裕的解法。

仓库中的测试闭环：数据、框架与自动生成

本题目录下最有工程价值的部分，是它演示了 codeforces-go 仓库“题目 → 题解 → 测试数据 → 自动验证”的标准流程。

测试文件与数据格式

a_test.go 由模板工具自动生成（文件头注释标明Code generated by copypasta/template/leetcode/generator_test.go），核心只有一段：

func Test_a(t *testing.T) { targetCaseNum := 0 // -1 if err := testutil.RunLeetCodeFuncWithFile(t, findMaxK, "a.txt", targetCaseNum); err != nil { t.Fatal(err) } }

测试数据保存在 a.txt 中，格式为每行一个参数，输入行与输出行交替：

[-1,2,-3,3] 3 [-1,10,6,7,-7,1] 7 [-10,8,6,7,-2,-3] -1

即：每组用例由 1 行输入（数组）+ 1 行期望输出组成；RunLeetCodeFuncWithFile会根据被测试函数的参数个数fNumIn与返回值个数fNumOut自动计算每组行数（本题为 1 + 1 = 2 行），把文件切分成用例集合（见 leetcode/testutil/leetcode.go 中RunLeetCodeFuncWithFile的实现）。

测试框架如何工作

testutil是仓库为 LeetCode 题解专门打造的通用测试框架，RunLeetCodeFuncWithFile的工作流程可以概括为：

1. 读取a.txt，去掉空行与首尾空白；
2. 按(入参个数 + 出参个数)为周期切分数据，构造examples；
3. 通过反射解析输入（parseRawArg支持 int、切片、字符串、指针类型等，见 parseRawArg 实现）；
4. 逐用例调用被测函数，将输出序列化后与期望输出比对（assert.Equal），并支持超时检测（默认 2 秒，见 config.go 中的DebugTLE = 2 * time.Second与AssertOutput = true）。

targetCaseNum参数用于控制跑哪个用例：0表示跑全部用例并开启超时检测，-1表示只跑最后一个用例（调试用）。

测试用例如何生成

这类a_test.go/a.txt对并不是手工编写的。模板入口 copypasta/template/leetcode/generator_test.go 提供了TestWeekly测试，它会通过GetWeeklyContestID(0)自动定位下一场周赛，读取环境变量LEETCODE_USERNAME_ZH、LEETCODE_PASSWORD_ZH、LEETCODE_COMMENT登录力扣，抓取题目与样例，自动生成形如leetcode/weekly/<id>/a/的标准目录。这意味着仓库中的每一道题都遵循同一套目录规范：a.go写题解函数，a_test.go只负责把函数和a.txt交给testutil框架，从而实现全仓库统一的“数据驱动测试”。

延伸：除了哈希表，还能怎么做？

如果面试官要求给出替代方案，两种常见的思路是：

• 排序 + 双指针：先对数组排序，然后用左右指针找互为相反数的一对；-10,8,6,7,-2,-3这类用例在排序后同样能正确返回-1。代价是排序本身为O(n log n)，不如哈希表的O(n)；
• 排序 + 二分查找：对每个正数x二分查找-x是否存在，复杂度同样为O(n log n)。

因此对于“只需判断配对是否存在”的问题，哈希表一次遍历是时间最优的方案。若题目进一步要求只允许使用O(1)额外空间（这是力扣上该题的一个常见 follow-up 变体），则只能在排序的基础上做双指针，此时空间复杂度降为O(1)，时间升为O(n log n)——取舍点在于题目对空间的要求。

小结

findMaxK是典型的“哈希表 + 对称查找”入门题：一条线性扫描、一次O(n)复杂度、一个-1初始值，就足以干净地解决问题。而 codeforces-go 仓库围绕这道题展示的，不仅是简洁的 Go 解法（含先判后算的微优化），更是一套可复用的工程化做题流程——从 a.go 的实现、a.txt 的数据组织，到 a_test.go 与 testutil 框架的自动验证，再到 generator_test.go 的模板化生成，读者完全可以照着这个模式在自己的刷题仓库里建立“一题一目录、数据驱动测试”的规范。

• 科学计算