news 2026/3/20 11:00:11

蓝桥杯_工作时长_C++

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
蓝桥杯_工作时长_C++

蓝桥杯_工作时长_C++

    • 题目描述:
    • 题解:
      • 解题思路:
        • 思路:
      • 代码实现

题目描述:

工作时长原题链接

题解:

解题思路:

思路:

1、注意这是一道填空题,所以只需要输出最后答案即可
题目分析:
输入为上下班的时间,格式为(yyyy-MM-dd HH:mm:ss)
第一条为上班时间
第二条为下班时间
第三条为上班时间

① 需要计算工作时长,工作时长= 所有(下班时间-上班时间)单位为秒
通过所提供的案例发现均为2022年的上班记录,计算工作时长是可将2022年作为时间基准,将上下班时间转换为秒。
例:2022-01-01 12:00:05
01-01 可转换为 24小时,(24+12)*60 可转换为分钟,(24+12)6060可转换为,(24+12)6060+5 为以2022为基准的时间

② 这里需注意每个月的天数,闰年 2 月有 29 天,非闰年28天(闰年的判断能被 4 整数不能被 100 整除的是闰年,或者能被 400 整除的是闰年)。2022为非闰年

在进行数据输入时(yyyy-MM-dd HH:mm:ss),是有一定的格式的。可采用如下形式进行输入(当读取文件末尾或者手动输入Ctrl+c 时 while 结束)

while(scanf("%d-%d-%d %d:%d:%d",&year,&month,&day,&h,&m,&s)==6){}

代码实现

#include<iostream>#include<vector>#include<algorithm>usingnamespacestd;// 阻止在此判断闰年的类型intyear,month,day,h,m,s;intmain(){// days数组用来存储每个月的天数,索引从0到12(0为虚拟值)vector<int>days={0,31,28,31,30,31,30,31,31,30,31,30,31};vector<int>v;// 循环读取输入,格式为 "YYYY-MM-DD HH:MM:SS"// 只有在成功读取到6个值时,循环才会继续while(scanf("%d-%d-%d %d:%d:%d",&year,&month,&day,&h,&m,&s)==6){intsum=0;// 计算输入日期之前的所有月份的天数for(inti=0;i<month;i++){sum+=days[i];// 将每个月的天数累加到sum中}// 加上当前月份的天数sum+=day;// 计算已过去的秒数sum*=24;// 转换为小时sum+=h;// 加上小时sum*=60;// 转换为分钟sum+=m;// 加上分钟sum*=60;// 转换为秒sum+=s;// 加上秒// 将计算得到的总秒数存入向量v中v.push_back(sum);}// 对总秒数进行排序sort(v.begin(),v.end());intans=0;// 计算时间间隔for(inti=0;i<v.size();i+=2){ans+=v[i+1]-v[i];// 将每对时间的差值累加到ans中}// 输出所有时间段的总秒数cout<<ans;return0;}

蓝桥杯_工作时长_原题链接
欢迎大家和我沟通交流(✿◠‿◠)

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/3/16 0:14:47

开源中文NLP模型趋势分析:BERT轻量化部署一文详解

开源中文NLP模型趋势分析&#xff1a;BERT轻量化部署一文详解 1. 引言&#xff1a;中文NLP的演进与轻量化需求 近年来&#xff0c;自然语言处理&#xff08;NLP&#xff09;技术在中文语境下的应用日益广泛&#xff0c;从智能客服到内容生成&#xff0c;语义理解能力成为系统…

作者头像 李华
网站建设 2026/3/14 9:55:13

FSMN VAD模型加载失败?这些常见问题你可能也遇到

FSMN VAD模型加载失败&#xff1f;这些常见问题你可能也遇到 1. 引言&#xff1a;FSMN VAD在语音处理中的核心作用 语音活动检测&#xff08;Voice Activity Detection, VAD&#xff09;是自动语音识别&#xff08;ASR&#xff09;、语音增强、会议转录等系统中的关键前置模块…

作者头像 李华
网站建设 2026/3/15 16:18:06

阿里Qwen3-4B-Instruct实战:256K长文本处理保姆级教程

阿里Qwen3-4B-Instruct实战&#xff1a;256K长文本处理保姆级教程 1. 简介与技术背景 1.1 Qwen3-4B-Instruct-2507 模型概述 Qwen3-4B-Instruct-2507 是阿里云推出的一款开源大语言模型&#xff0c;属于通义千问&#xff08;Qwen&#xff09;系列的最新迭代版本。该模型在多…

作者头像 李华
网站建设 2026/3/14 3:40:19

提升电缆故障定位精度:现代电力系统的核心技术解析

在现代电力系统中&#xff0c;电缆线路的安全稳定运行至关重要。随着电网负荷的不断增加&#xff0c;电缆故障一旦发生&#xff0c;不仅会造成大面积停电&#xff0c;还会带来巨大的经济损失。因此&#xff0c;电缆绝缘在线监测系统 的故障定位精度&#xff0c;成为保障电力系统…

作者头像 李华
网站建设 2026/3/14 21:44:38

Hunyuan-HY-MT1.5-1.8B入门教程:本地环境从零部署

Hunyuan-HY-MT1.5-1.8B入门教程&#xff1a;本地环境从零部署 1. 引言 1.1 学习目标 本文旨在为开发者提供一份完整的 Hunyuan-HY-MT1.5-1.8B 翻译模型本地部署指南。通过本教程&#xff0c;您将掌握&#xff1a; 如何在本地环境中配置并运行腾讯混元团队开发的 HY-MT1.5-1…

作者头像 李华
网站建设 2026/3/14 5:48:42

Hunyuan MT1.5-1.8B安全部署:私有化翻译系统搭建指南

Hunyuan MT1.5-1.8B安全部署&#xff1a;私有化翻译系统搭建指南 1. 引言 随着全球化进程的加速&#xff0c;高质量、低延迟的翻译服务在企业级应用中变得愈发重要。然而&#xff0c;依赖公有云翻译API存在数据泄露风险、网络延迟高以及成本不可控等问题。为此&#xff0c;构…

作者头像 李华