写这篇东西前先说说背景。我刷题这么多年，围观过不少校招笔试，也陪人复盘过美团秋招的真实考题。2019年美团秋招的编程题，放在今天看，风格依然典型：不考偏题怪题，不堆砌冷门数据结构，但特别考验基本功的扎实程度和边界条件的敏感度。很多人一看题目觉得“这题我会”，一提交就是“通过率0%”，问题基本都出在细节上。这篇文章我就拿当年的几道有代表性的题目拆开揉碎，讲讲出题思路、答题陷阱和复盘方法，希望能给正在准备校招的同学一些真正能落地的参考。
1. 先聊清楚2019年秋招这批题为什么值得刷
很多人会问：2019年的题，放到现在刷还有意义吗？我的回答是：意义非常大，甚至比盲目刷一堆“最新题库”更值得。
美团笔试的出题风格，讲究的是“低门槛、深陷阱”。所谓低门槛，指的是每道题的知识点都在教材范围内——数组、字符串、模拟、贪心、动态规划、搜索，绝对不会出现竞赛级别的冷门算法。所谓深陷阱，则是把看似简单的题，通过边界条件、数据规模、状态转移细节，挖出足够大的区分度。2019年秋招这批题，恰恰是这个风格非常成熟的阶段。
那一年美团的编程题整体呈现三个特点。第一，题干描述普遍偏业务化，喜欢把算法问题包装成“订单调度”“外卖配送”“商家评分”之类的业务场景，读题需要多花几十秒，考察你从业务描述中抽取出数学模型的能力。第二，数据范围是真正的“杀人点”，很多题目的数据范围卡在“暴力能过一部分、但满分必须优化”的位置，考察的是复杂度分析和常数级优化意识。第三，输入输出格式的坑非常多，比如多组数据、行末空格、换行符、大整数溢出，这些在实际笔试环境中会直接导致答题失败。
我觉得刷这套题的正确姿势，不是把它当成“背答案的材料”，而是当成“一次模拟真实笔试的压力测试”。具体操作上，建议把每道题先自己吭哧吭哧做一遍，再对照参考答案看差距，最后认真复盘“为什么当时没想到”或者“为什么想到了却写错”。这个过程比单纯做十道新题都管用。
还有一点要提醒：永远不要轻视基础题。美团笔试中分值最高的往往不是最后的压轴题，而是前面的中等难度题。很多同学喜欢死磕最后一道难题，结果前面简单题因为粗心丢分，最后总分反而不如稳扎稳打的选手。我见过太多这种案例了，真的很可惜。
2. 真题拆解一：字符串处理类题目的边角陷阱
字符串处理是大厂笔试永远跑不掉的题型，美团尤其爱考。2019年秋招里有一道题很有代表性，题干大意是：给定一个字符串，要求找出最长的不含重复字符的子串长度。如果你没见过这道题，第一反应肯定是暴力枚举左右端点，然后对每个子串做去重判断。但这么写，复杂度直接爆炸。
2.1 从暴力解到滑动窗口的思维跳跃
暴力法的思路很简单：枚举所有子串，用哈希集合判断是否有重复字符，记录最大长度。假设字符串长度为n，子串数量是O(n^2)，每次判断需要O(k)的时间（k是子串长度），总体复杂度O(n^3)甚至更差，在n超过10^4时基本就跑不动了。
正确解法是滑动窗口。维护一个左指针left和右指针right，右指针不断向右扩展，每次把新字符加入窗口。如果发现窗口内出现重复字符，就不断右移左指针，直到窗口内不再包含重复字符为止。在这个过程中，用哈希表（或数组）记录每个字符最近一次出现的位置，遇到重复时直接把左指针跳到重复位置的下一位，可以做到O(n)复杂度。
def length_of_longest_substring(s: str) -> int: # last_pos记录每个字符最近一次出现的下标 last_pos = {} left = 0 max_len = 0 for right, ch in enumerate(s): if ch in last_pos and last_pos[ch] >= left: # 发现重复字符，左指针直接跳到重复字符下一位 left = last_pos[ch] + 1 last_pos[ch] = right max_len = max(max_len, right - left + 1) return max_len这个代码实现里有几个细节值得展开讲。
第一，last_pos[ch] >= left这个判断绝对不可或缺。如果不加，可能把之前已经移出窗口的字符位置错误地当成当前窗口内的位置，导致left往回跳，整个逻辑就崩了。我见过很多同学在这个判断上栽跟头，一提交就是大片WA。
第二，为什么可以用数组代替哈希表？如果题目明确说明字符串只包含小写字母或ASCII可见字符，直接用长度为128或256的数组就行了，数组下标就是字符的ASCII码，访问速度比哈希表更快，这在笔试环境Pypy上尤其明显。如果字符集不确定再考虑哈希表。这是一个很典型的常数级优化点。
2.2 这道题真正想考察什么能力
从面试官角度分析，这道题至少有四个考察维度。
模型抽象能力：把“最长不含重复子串”这个业务描述转化为“维护一个无重复字符的滑动窗口”，这一步决定了整个解题方向。
边界条件处理：空字符串、单个字符、全重复字符串、全不相同字符串，这些输入都要保证输出正确。很多人写的代码在空字符串上报错，就是因为没有处理输入为空的情况。
复杂度优化意识：能不能从O(n^3)优化到O(n)，不光是算法知识的储备问题，更是对数据规模是否敏感的体现。题目如果给出n的范围是10^5，暴力法连测试都跑不完。
代码实现的健壮性：循环变量边界、哈希表的更新时机、left和right的关系，这些都是考察代码基本功的地方。
我的经验是，这一题如果你想拿满分，不但要写出正确代码，还要在代码里显式处理输入为空的情况，并保证输出格式正确。有些在线评测系统对答案格式要求极其严格，多一个空格都算错。
3. 真题拆解二：动态规划与贪心策略的判断边界
美团笔试特别喜欢考察一类经典题型：给定一些约束，求最大收益或最小代价。2019年秋招里有一道“股票买卖”类题目，题面大意是给定一只股票连续N天的价格，你可以进行多次交易，每次交易必须持有一笔后才能卖出，且两次交易不能重叠，求最大收益。
初学者最容易陷入的误区是：见到“最多收益”就条件反射地想用动态规划，但实际上一旦交易次数不限，这个题用贪心就够了。贪心策略非常简洁：只要今天的价格比昨天高，就“昨天买、今天卖”，把所有正向差价累加起来，就是最大收益。这个结论听着反直觉，但它是严谨的。
3.1 贪心为什么在这里成立
先把问题数学化。价格序列为p[1], p[2], ..., p[n]。你要做的决策是选择若干不相交的区间[ buy, sell ]，使得Σ(p[sell] - p[buy])最大。
贪心策略为什么对？因为相邻价格差可以累加：
p[sell] - p[buy] = (p[buy+1] - p[buy]) + (p[buy+2] - p[buy+1]) + ... + (p[sell] - p[sell-1])
也就是说，任意一笔交易的收益，等于该区间内所有相邻价格差之和。那么问题就转化为：从p[1]到p[n]，对所有正向的相邻价格差求和。负向的差价你完全可以不赚，不做交易即可。
有人会问：累积多次小涨幅和一次大涨幅，结果不就一样吗？对，这就是贪心成立的核心。因为你把区间拆开，不会改变总收益；而且拆开之后，你还能灵活跳过下跌段。
3.2 动态规划写法与贪心写法的复杂度对比
如果题目改成“最多只能完成K次交易”，贪心就不成立了，必须用动态规划。这个变体也很常见，我用动态规划来解决这种限制下的收益最大化问题。
def max_profit_with_k_transactions(prices, k): n = len(prices) if n == 0 or k == 0: return 0 # 如果k大于等于n//2，说明交易次数足够多，退化为贪心 if k >= n // 2: profit = 0 for i in range(1, n): if prices[i] > prices[i-1]: profit += prices[i] - prices[i-1] return profit dp = [[0] * n for _ in range(k+1)] for i in range(1, k+1): max_diff = -prices[0] for j in range(1, n): dp[i][j] = max(dp[i][j-1], prices[j] + max_diff) max_diff = max(max_diff, dp[i-1][j] - prices[j]) return dp[k][n-1]这个状态转移方程是经典的行之有效的优化。dp[i][j]表示“最多交易i次，在第j天结束时的最大收益”。内层循环里维护max_diff，实质是“前i-1次交易结束后买入股票的最佳时机对应的最大利润”，省去了第三层枚举。
对比一下：贪心写法时间O(n)、空间O(1)；动态规划写法时间O(kn)、空间O(n)（还可以滚动数组压到O(n)）。所以先判断题意是“不限次数”还是“限次数”，直接决定了你的解题路径。这一步判断错了，后面再怎么写都是南辕北辙。
3.3 这类题目在笔试中的变体
美团的题不会只考一个裸模型。常见变体有：
- 卖出后有冷冻期，即卖出后的第二天不能买入。这时候状态机要加一个“冷冻”状态，状态转移也要变复杂。
- 每次交易有手续费，这时贪心策略的阈值会改变，不能用简单差值判断。
- 只能买卖一次的版本，退化为“找最大差值”问题，维护前缀最小值即可。
遇到这些变体时，我建议你先别急着套模板，而是把题目里的限制条件一个个列出来，再问自己：这条件改变了什么？限制了哪一步决策？这样才能在有限时间内找到正确的方案。
4. 真题拆解三：状态搜索与数据结构的综合应用
字符串和DP以外，美团笔试还经常在第三四题的位置放一道“地图/网络”类题目。2019年秋招有一道“矩阵连通域”的题目，题面大意是给定一个只包含0和1的二维矩阵，1表示陆地、0表示水域，要求统计所有陆地连通块的数量，以及最大连通块的面积。
这道题看起来简单，但它考察的是深度优先搜索（DFS）的实现细节和递归栈控制，非常容易写出“栈溢出”的代码。
4.1 DFS和BFS的选型理由
对于连通域问题，DFS和BFS都能做，但在笔试环境中，我强烈建议优先用BFS而不是DFS，原因有两点。
第一，DFS在二维矩阵上如果写不好方向数组和边界判断，很容易无限递归。尤其是矩阵规模偏大（比如1000×1000）时，递归深度可能超过Python默认递归上限，需要使用sys.setrecursionlimit()，但设置不当又会引发新的问题。更麻烦的是，在大矩阵全为1的情况下，DFS递归深度可能达到10^6级别，直接爆栈。
第二，BFS用队列实现，天然没有递归深度问题。对于“最大连通块面积”这种需要遍历整个连通块的场景，BFS每出队一个节点就累加一次计数，逻辑很直观。
from collections import deque def count_and_max_island(grid): if not grid or not grid[0]: return 0, 0 rows, cols = len(grid), len(grid[0]) visited = [[False] * cols for _ in range(rows)] # 四个方向：上、下、左、右 directions = [(-1, 0), (1, 0), (0, -1), (0, 1)] island_count = 0 max_area = 0 for i in range(rows): for j in range(cols): if grid[i][j] == 1 and not visited[i][j]: island_count += 1 queue = deque() queue.append((i, j)) visited[i][j] = True area = 0 while queue: x, y = queue.popleft() area += 1 for dx, dy in directions: nx, ny = x + dx, y + dy if 0 <= nx < rows and 0 <= ny < cols and grid[nx][ny] == 1 and not visited[nx][ny]: visited[nx][ny] = True queue.append((nx, ny)) max_area = max(max_area, area) return island_count, max_area4.2 方向数组与标记时机的细节
方向数组我习惯统一按上下左右的顺序写，这样做的好处是代码可读性强，不容易漏方向。八个方向的问题（比如迷宫可以斜着走）就把方向数组扩展为八项，其他地方不用动。
这里有一个非常重要的细节：入队时就要标记visited，而不是出队时再标记。如果你在出队时才标记，同一个节点可能被多个相邻节点重复入队，虽然最终结果可能仍然正确，但中间过程会引入大量重复计算，极端情况下队列里堆积很多冗余节点，内存暴涨。这个问题我在不少同学代码里看到过，属于比较隐蔽的性能隐患。
关于输入的坑，矩阵题目最容易出现的问题是：输入字符串可能带空格、换行符，或者每行长度不一致。处理的时候我一般会先做一次清洗，再判断矩阵是否为空、是否有非法字符。在笔试环境里，不要假设输入“很干净”，多写一层防御会让你的提交通过率显著提高。
4.3 如果题目加难度：多源BFS与并查集法
美团如果把这题难度往上抬，常见的加码方式是“多源BFS”。比如矩阵中有多个起点，要求从任意起点出发到所有1节点的最远距离，这种题就需要把所有起点同时压入队列，逐层往外扩展。层数就是距离，用BFS天然就是正确答案，因为它保证了首次访问到某个节点时路径最短。
另外连通块计数还可以用并查集（Union-Find）实现。并查集的思路是把所有相邻的1节点按秩合并，最后统计根节点数量。在笔试中用并查集做这道题，代码会偏长，但好处是如果题目后续要求“动态添加陆地并询问连通块数量”，并查集就是唯一可行方案。平时把两种解法都练熟，上考场才能做到游刃有余。
5. 面试官视角：从评分规则反推答题策略
刷题不能只站在做题者视角，很多时候你需要换个身份，站在出题人和面试官的角度去思考：他们到底想要什么？
美团的笔试评分规则一般不是“做了多少题算多少分”这么简单，而是每一道题按测试点给分。也就是说，哪怕你没有完整通过所有测试，只要通过了部分测试点，也能拿到对应分数。这个规则特别重要，它决定了你应该怎么分配时间。
5.1 先拿基础分，再挑战满分
我的建议是，笔试开始之后，先把所有题目快速扫一遍，明确每道题的难度梯队。然后把第一梯队（简单题）稳稳做对，包括处理边界条件、保证输入输出的格式正确，这些基础分一定要全部拿下。
第二梯队（中等题）是你和别人拉开差距的地方。做题时如果发现时间不够，可以考虑用暴力解法先拿一半分数，不要死磕最优解。比如滑动窗口那题，如果你一下没想到O(n)写法，不妨先写一个O(n^2)的枚举写法，至少能过一部分测试点。在时间压力下，“拿分”永远比“完美”重要。
最难的那道题，我通常建议放在最后处理。如果思路清晰可以直接写，如果憋了二十分钟还没头绪，果断放弃，回去检查前面题目的边界情况。很多人总是怕“空着难看”，硬把时间耗在难题上，反而丢了前面该拿的分。
5.2 代码风格和变量命名的隐藏加分项
在线笔试没有人工阅卷，代码风格不会直接影响分数。但请相信我，笔试之后往往会有面试官重新看你的答题记录。有些公司校招流程里，面试官确实会翻笔试代码，这时候代码的清晰程度直接影响他对你代码能力的判断。
变量命名要尽量语义化。count_and_max_island可以，但f1(a, b)这种就非常劝退。关键逻辑处写一点注释，不需要长篇大论，两三行说明意图就够了。还有一个容易被忽视的点：把工具函数拆出来，比如判断是否越界的in_bound，会让代码显得更有工程素养。这些看似不重要，但当你和另一位候选人笔试分数一样时，这些细节就是下决定的因素。
5.3 时间分配的心得
一次笔试一般1.5到3小时，我用过比较合理的分配是：前10分钟浏览全部题目并预估难度，中间50%的时间分配给前面的简单题和中等题，最后30%的时间攻坚难题和从头检查。
我说的“检查”不是单纯看代码，而是重新读一遍题目，把自己的代码代入样例跑一遍，再虚拟几个边界数据（空输入、极端输入、重复输入）来验证逻辑。这一步能拦住很多“样例过了但提交全红”的悲剧。
6. 刷题之后的事：复盘方法、延伸准备与心态调整
代码写完、题目通过，不等于这件事结束了。我见过太多人刷了200道题，效果不如别人刷了50道，差别就在复盘。
6.1 建立个人错题本的正确姿势
错题本不是把题解抄一遍就完了，那是自欺欺人。我的做法是：每道题记录三栏，一是“我当时卡在哪里”，二是“正确解法的关键洞察”，三是“这类题下次怎么快速识别”。
以滑动窗口那题为例，“卡在哪里”可能是一开始没想到用哈希表记录字符位置；“关键洞察”是“无重复字符”可以转化为“窗口内字符唯一”；“下次怎么识别”则是“最长连续区间”类题目优先考虑滑动窗口方案。
这个积累过程，才是刷题真正的复利。当你建立了对题目模式的敏感度，笔试时会发现自己审题速度明显变快、思路切换更顺畅。比如看到“连续、不重复、最长”，你会自动联想到滑动窗口；“有限次数交易、最大收益”，自动联想到状态DP；“连通块、最大面积”，自动联想到BFS/DFS或并查集。
6.2 笔试之外的准备建议
美团笔试的编程题只是整个流程的第一关，之后通常还有一轮面试考察，其中很可能涉及简历项目深挖和基础知识问答。不过本文以编程题为主，我只提醒一句：不要因为算法题刷得顺，就在项目上掉以轻心。笔试过了之后，面试官更关心你能不能把这个算法模型落地到一个真实系统里，这恰恰是你刷题时的思维“延伸”所在。
如果还想更稳一点，建议校招季前把常用数据结构和算法的模板代码打熟。不是背模板，而是把每行代码的含义都吃透。到了考场上，这种内化过的能力会在你遇到陌生题目时带来真正的底气。
6.3 心态：把笔试当练习
我特别想聊最后这一点。2019年秋招的题目，放到今天来看，难度并不算离谱，但为什么每年都有人发挥失常？很大一部分原因是心态崩了。某道题卡住了，就不断回想“完了完了这次简历白投了”，结果后面的题目全部受影响。
我个人的经验是：笔试时允许自己卡壳，但给自己设一个止损线——最多15分钟。15分钟还没思路，先跳过，做后面的题，回头再看。这就像打牌，一手牌不好也要继续打，而不是把牌桌掀了。平时刷题时就养成这种习惯，考场上就不会慌。
现在离下一个校招季还有时间，如果你打算认真准备，我的建议是把本文提到的几类题目当成“基础训练项”，每天一两类，别贪多。每做完一道题，认真走一遍“理解—实现—复盘”的流程。三个月下来，你的编码速度和思路清晰度都会有非常明显的变化。这套方法值得你亲测一遍。
