菜单

开发工具

相关源文件

本页面介绍了使用 LeetCode 仓库 https://github.com/azl397985856/leetcode 可用的各种工具和资源。这些工具通过提供结构化的学习路径、记忆辅助和生产力增强,来提升您的算法学习和问题解决体验。有关 91 天算法挑战的更多信息,请参阅 91 天算法计划

工具生态系统概述

该仓库提供了几个专门设计的工具,以支持算法学习的各个方面

来源:README.md80-86(README.md:158-172],README.md582-592

Anki 抽认卡

Anki 是一款间隔重复学习系统,可以帮助您有效地记忆信息。该仓库提供了专门为算法学习设计的预制 Anki 抽认卡。

结构和目的

Anki 卡片集分为两个主要的映射组件

来源:README.md582-592

如何使用

  1. 从仓库 assets/anki/leetcode.apkg 下载 Anki 抽认卡包
  2. 在您的电脑上打开 Anki
  3. 转到 文件 → 导入
  4. 在下拉格式中选择“打包的 Anki 卡片集”
  5. 选择下载的文件并确认

有关使用 Anki 的更多信息,请访问 Anki 官方网站

来源:README.md588-592

Gitbook 文档

该仓库内容也以电子书的形式提供,以便于阅读和导航。

访问方法

方法描述如何访问
在线阅读基于 Web 的版本,具有完整的导航功能访问 在线阅读地址
可下载的电子书离线版本,支持多种格式(PDF、EPUB、MOBI)关注微信公众号“力扣加加”,回复“电子书”获取下载链接

来源:README.md74-86 book.json1-16 package.json1-6 SUMMARY.md1-387

结构和生成

Gitbook 是使用仓库的 Markdown 文件生成的,并根据 SUMMARY.md 文件(作为目录)进行结构化。

来源:book.json1-16 package.json1-6 SUMMARY.md1-387

LeetCode Chrome 扩展程序

一款浏览器扩展程序,通过提供对相关信息和工具的快速访问来增强您的 LeetCode 问题解决体验。

功能和安装

Chrome 扩展程序(“LeetCode Cheatsheet”)提供了多种功能来提高您解决问题的效率。

安装方法

  • 首选方法:从 Chrome 网上应用店安装
  • 替代方法:对于无法访问 Google Chrome 应用商店的用户,可以通过关注作者微信公众号并回复“插件”来获取离线版本

来源:README.md164-170

问题评分网站

为了帮助选择适合您技能水平的问题,该仓库推荐了一个由 zerotrac 提供的评分网站。

目的和用法

此工具为 LeetCode 问题分配估计的竞赛分数,让您可以:

  1. 识别略高于您当前技能水平的问题,以实现最佳学习效果
  2. 跟踪您通过难度递增的问题的进度
  3. 专注于适合您竞赛分数的问题

评分是基于通过率和解决方案统计数据等因素进行估算的。

网站:https://zerotrac.github.io/leetcode_problem_rating/

来源:README.md172

面试备忘录

该仓库包含一份面试备忘录 PDF,为技术面试提供结构化的指导。

内容概述

该 PDF 详细介绍了成功进行算法面试的模板步骤,并强调了三个关键的代码标准:

  1. 可读性
  2. 时间复杂度
  3. 空间复杂度

该文件概述了算法面试中需要遵循的 15 个具体步骤,可以显著提高您的成功率。

位置:assets/cheatsheet.pdf

来源:README.md114-126

其他资源

该仓库还包含许多分类的算法解释和问题解决方案。

  • 算法摘要:常见算法和数据结构的详细解释
  • 按难度划分的集合:按简单、中等和困难难度组织的题目
  • 精选问题分析:精选问题的深入解决方案
  • 每日一题:定期更新问题及解决方案

这些资源是对上述工具的补充,旨在提供一个全面的算法学习生态系统。

来源:README.md58-73 thinkings/README.md1-36 collections/easy.md1-50 collections/medium.md1-135 collections/hard.md1-64

代码组织

该仓库中的代码经过组织,以便于高效学习和参考。

来源:README.md58-73 collections/easy.md1-50 collections/medium.md1-135 collections/hard.md1-64

通过这一整套全面的工具和资源,开发人员可以在此仓库提供的生态系统中,高效地学习算法、练习问题解决、准备面试并跟踪自己的进度。