2026-06-09：带权单词映射。用go语言，给定一个字符串数组 words，以及一个长度为 26 的整数数组 weights，其中 weights[i] 表示字母表中

2026-06-09：带权单词映射。用go语言，给定一个字符串数组 words，以及一个长度为 26 的整数数组 weights，其中 weights[i] 表示字母表中第 i 个小写字母的权重。

每个单词的权重是该单词中所有字符对应权重的总和。对每个单词计算：

1.取它的权重对 26 的余数；

2.将这个余数按“倒序字母”的规则映射到字符：余数为 0 对应 'z'，1 对应 'y'，…，25 对应 'a'。

最后把所有单词对应得到的字符依次连接，形成返回的字符串。

1 <= words.length <= 100。

1 <= words[i].length <= 10。

weights.length == 26。

1 <= weights[i] <= 100。

words[i] 仅由小写英文字母组成。

输入： words = ["abcd","def","xyz"], weights = [5,3,12,14,1,2,3,2,10,6,6,9,7,8,7,10,8,9,6,9,9,8,3,7,7,2]。

输出： "rij"。

解释：

"abcd" 的权重是 5 + 3 + 12 + 14 = 34。对 26 取模的结果是 34 % 26 = 8，映射为 'r'。

"def" 的权重是 14 + 1 + 2 = 17。对 26 取模的结果是 17 % 26 = 17，映射为 'i'。

"xyz" 的权重是 7 + 7 + 2 = 16。对 26 取模的结果是 16 % 26 = 16，映射为 'j'。

因此，连接映射字符后形成的字符串是 "rij"。

题目来自力扣3838。

一、分步详细执行过程

步骤1：初始化输入数据

在main函数中，定义两个核心输入变量：

1. 1. 字符串数组words：["abcd", "def", "xyz"]，包含3个需要处理的单词；
2. 2. 整数数组weights：长度固定为26，对应小写字母a-z的权重，weights[0]是a的权重，weights[1]是b的权重……weights[25]是z的权重。

步骤2：调用核心函数mapWordWeights

函数接收words和weights两个参数，开始逐单词处理，第一步先初始化结果容器： 创建一个空的字节切片ans，预分配容量为单词的数量（3），用于存储每个单词最终映射的字符。

步骤3：遍历处理每一个单词

程序会依次遍历words中的每一个单词，对每个单词执行计算总权重、取余数、倒序映射字符三个子步骤：

子步骤3.1：处理第一个单词 "abcd"

1. 1. 计算单词总权重： 遍历单词的每一个字符，将字符转换为对应权重索引（字符c - 'a'得到字母在a-z中的序号），累加所有字符的权重：
   • • a → 序号0 → 权重5
   • • b → 序号1 → 权重3
   • • c → 序号2 → 权重12
   • • d → 序号3 → 权重14 总权重 = 5+3+12+14 = 34
2. 2. 计算权重对26的余数：34 % 26 = 8
3. 3. 倒序字母映射字符：规则是余数0→z，1→y……25→a，计算公式：'z' - 余数 余数8 → 'z' - 8 = 字符'r'，将'r'存入结果容器ans。

子步骤3.2：处理第二个单词 "def"

1. 1. 计算单词总权重：
   • • d → 序号3 → 权重14
   • • e → 序号4 → 权重1
   • • f → 序号5 → 权重2 总权重 = 14+1+2 = 17
2. 2. 计算权重对26的余数：17 % 26 = 17
3. 3. 倒序字母映射字符：'z' -17 = 字符'i'，将'i'存入结果容器ans。

子步骤3.3：处理第三个单词 "xyz"

1. 1. 计算单词总权重：
   • • x → 序号23 → 权重7
   • • y → 序号24 → 权重7
   • • z → 序号25 → 权重2 总权重 =7+7+2=16
2. 2. 计算权重对26的余数：16 %26=16
3. 3. 倒序字母映射字符：'z'-16=字符'j'，将'j'存入结果容器ans。

步骤4：拼接结果并返回

所有单词处理完成后，结果容器ans中存储了['r','i','j']，将字节切片转换为字符串，得到最终结果"rij"。

步骤5：输出结果

main函数打印最终结果rij，程序执行结束。

二、时间复杂度分析

时间复杂度描述程序执行时操作次数的增长趋势，我们分维度计算：

1. 1. 设单词数组长度为N（题目中1≤N≤100），单个单词的最大长度为M（题目中1≤M≤10）；
2. 2. 程序核心操作：遍历每个单词（N次），遍历单词的每个字符（M次），字符权重计算、取余、映射都是常数时间操作（O(1)）；
3. 3. 总操作次数 = N × M；
4. 4. 最终时间复杂度：O(N*M)。

补充：题目中N和M都是固定小范围数值，程序执行效率极高。

三、额外空间复杂度分析

额外空间复杂度描述除输入数据外，程序额外占用的内存空间：

1. 1. 程序额外创建的变量：总权重累加变量s、遍历用的临时字符/索引变量、结果字节切片ans；
2. 2. 结果切片ans的长度等于单词数量N，是唯一与输入规模相关的额外空间；
3. 3. 其余变量均为常数级空间（O(1)）；
4. 4. 最终额外空间复杂度：O(N)。

总结

1. 1. 执行过程：准备输入→逐单词计算总权重→计算余数→倒序映射字符→拼接结果→输出；
2. 2. 时间复杂度：O(N*M)（N为单词个数，M为单词最大长度）；
3. 3. 额外空间复杂度：O(N)（仅存储结果的切片占用线性空间）。

Go完整代码如下：

.

package main

import (
    "fmt"
)

func mapWordWeights(words []string, weights []int)string {
    ans := make([]byte, 0, len(words))
    for _, word := range words {
        s := 0
        for _, c := range word {
            s += weights[c-'a']
        }
        ans = append(ans, byte('z'-s%26))
    }
    returnstring(ans)
}

func main() {
    words := []string{"abcd", "def", "xyz"}
    weights := []int{5, 3, 12, 14, 1, 2, 3, 2, 10, 6, 6, 9, 7, 8, 7, 10, 8, 9, 6, 9, 9, 8, 3, 7, 7, 2}
    result := mapWordWeights(words, weights)
    fmt.Println(result)
}

在这里插入图片描述

Python完整代码如下：

.

# -*-coding:utf-8-*-

def map_word_weights(words, weights):
    ans = []
    for word in words:
        s = 0
        for c in word:
            s += weights[ord(c) - ord('a')]
        ans.append(chr(ord('z') - s % 26))
    return''.join(ans)


def main():
    words = ["abcd", "def", "xyz"]
    weights = [5, 3, 12, 14, 1, 2, 3, 2, 10, 6, 6, 9, 7, 8, 7, 10, 8, 9, 6, 9, 9, 8, 3, 7, 7, 2]
    result = map_word_weights(words, weights)
    print(result)


if __name__ == "__main__":
    main()

在这里插入图片描述

C++完整代码如下：

.

#include <iostream>
#include <vector>
#include <string>

std::string mapWordWeights(const std::vector<std::string>& words, const std::vector<int>& weights) {
    std::string ans;
    ans.reserve(words.size());

    for (const auto& word : words) {
        int s = 0;
        for (char c : word) {
            s += weights[c - 'a'];
        }
        ans.push_back(static_cast<char>('z' - s % 26));
    }

    return ans;
}

int main() {
    std::vector<std::string> words = {"abcd", "def", "xyz"};
    std::vector<int> weights = {5, 3, 12, 14, 1, 2, 3, 2, 10, 6, 6, 9, 7, 8, 7, 10, 8, 9, 6, 9, 9, 8, 3, 7, 7, 2};

    std::string result = mapWordWeights(words, weights);
    std::cout << result << std::endl;

    return0;
}

在这里插入图片描述

·

我们相信人工智能为普通人提供了一种“增强工具”，并致力于分享全方位的AI知识。在这里，您可以找到最新的AI科普文章、工具评测、提升效率的秘籍以及行业洞察。