先说个比较现实的判断华为机试这块已经不是“会不会写代码”的门槛而是“能不能在三道题里稳定拿分”的筛选器。很多人刷题只看数量不研究题型规律上了考场才发现连输入格式都能耗掉二十分钟。所以这篇博文我尽量把模拟题背后真正的考点逻辑、踩坑点和实操策略讲透尤其是华为OD机试的新系统双机位C卷环境变化大刷模拟题的方式也得跟着变。我自己练这套模拟题时最大的感受是华为机试的算法题并不追求炫技它考的是在最基本的数据结构和算法里你能不能快速找到正确思路并写出健壮代码。这也决定了刷题方向——贪心、双指针、DFS/BFS、动态规划、排序、字符串处理这些是绝对的主战场。适合谁来参考准备华为OD机试或正式岗位机试的开发者尤其是中途转码、或者离开算法题很久想快速找回手感的人。如果你刚刷完LeetCode hot 100想了解华为机试的出题口味这篇也能帮你省不少弯路。1. 华为机试到底考什么从三题结构到得分逻辑1.1 三道题的分值与目标策略华为机试含OD机试通常是三道题分值分布大致是100分、100分、200分。不同部门、不同批次会有微调但整体结构非常稳定。核心逻辑是前两道题拼速度和细心第三道题拼算法深度和代码熟练度。我见过很多人的策略是死磕第三题结果前两题因为输入输出的小错误丢了分总分反而不如老老实实把前两题拿满的人。这里直接给结论前两题必须满分第三题尽量拿部分分。原因很简单机试的判分是按用例通过率来的第三题即使做不出来暴力解法能过30%到50%的用例总分依然可观。很多人在模拟题里不重视暴力解觉得“AC不了就是不会”。但机试跟竞赛不一样它是通过性考试不是排名赛。你能在第三题写出一个正确的暴力解法然后用剩余时间优化这个节奏远比一头扎进最优解里出不来要合理。1.2 新系统双机位C卷环境变化这里多说一句华为OD机试的新系统。C卷时代机考环境改成了双机位监控手机角度、电脑屏幕、甚至周围环境都有要求。这个变化直接影响的是你的“考场手感”——没有刷题时的舒适状态代码写得再顺也可能因为环境检查浪费时间。我建议大家平时模拟时就养成两个习惯第一用牛客网的ACM模式刷题不要用LeetCode那种直接填函数体的模式第二练习时开一个计时器按真实考试的时间节奏来。华为机试的代码是需要在本地编辑器写好再粘贴还是直接在网页里写不同批次不太一样但无论哪种你都得习惯“没有IDE辅助提示”的裸写状态。这里真正要练的是你在没有自动补全、没有语法高亮的情况下能不能一次写出没有低级语法错误的代码。这个能力恰恰是刷模拟题时最容易忽略的。2. 高频考点拆解模拟题的出题逻辑是什么2.1 字符串处理与正则匹配华为机试的第一题几乎必考字符串处理难度不高但细节极多。常见的出题方式有字符串分割、字符统计、括号匹配、子串反转、RLE编码解码、敏感词替换等。这类题的核心考点不是算法而是边界处理能力。比如输入可能带前后空格、分隔符可能连续出现、字符串可能为空这些情况若不在代码里显式处理很容易在隐藏用例上翻车。我建议大家在做字符串题时统一用一套固定的处理模板先用strip()去掉首尾空白再按分隔符split()然后判断分割后的列表长度和空字符串。这三个步骤看起来基础但能解决80%的字符串边界问题。另外一个容易忽略的点是Python的split()和split( )区别——前者会自动合并连续空格后者不会。如果你拿到的题目输入是“多个空格分隔”用split()反而更安全。这种细节只有真正刷题踩过坑才会记住。2.2 排序与自定义比较器排序在华为机试中出现频率极高但通常不是让你直接调库而是要求按规则排序。比如按字符串长度、按指定键值排序、按组合数字的大小排序等。Python里实现自定义排序的核心是functools.cmp_to_key。很多人不熟悉这个函数导致在“按规则排序”类题目里卡壳。其实它就是把C的compare函数迁移到Python里你只需要写一个“返回负值表示a在b前面”的函数即可。举个我在模拟题里碰到的例子给定几组数字要求将它们排列成一个最大的数。这本是一道经典贪心题核心思路是比较两个数字的拼接结果比如a3, b30因为330大于303所以3应该排在30前面。这个思路如果不用cmp_to_key实现起来会很别扭但用了之后代码量骤减。有同学会问这种题考得有意思吗我觉得它的价值在于你不会只调list.sort()而是能理解排序背后的“比较规则”可以被自定义。这个能力在真实工程项目里同样重要——排序不只是按数字大小或字典序绝大多数业务场景都带着自己的规则。2.3 DFS/BFS与动态规划第三题的常客就是搜索和动态规划。DFS考的是递归与回溯BFS考的是状态扩展与最短路径DP考的是状态定义与转移方程。我刷模拟题的体会是华为机试的搜索题往往带着“地图”或“迷宫”背景比如机器人走格子、岛屿数量、最短路径中是否有障碍物。这类题用BFS基本能在可接受时间内解出关键是队列里存什么状态、什么时候标记访问、如何判重。动态规划常考的则是背包问题变体、最长递增子序列、编辑距离以及一些状态压缩的简化版。机试中的DP不会太难但很考验你是否能快速看出这是DP题。我的判断标准很简单如果题目问的是“最多/最少/多少种方案”且当前状态可以由之前的状态推导出来八成就是DP。3. 实战演练三道模拟题的完整解题过程3.1 字符串压缩题从暴力到优化题目描述大概是给定一个字符串将连续重复的字符压缩成“字符连续出现次数”的形式如果压缩后的长度不小于原字符串则返回原字符串。比如aabcccccaaa压缩后是a2b1c5a3。这题的核心思路很简单一次遍历记录当前字符和计数。但有一个坑压缩后的格式不一定比原字符串短。题目要求是压缩后不小于原串就返回原串。很多人做到一半忘了这个条件导致结果不对。def compress(s: str) - str: if not s: return res [] cnt 1 for i in range(1, len(s)): if s[i] s[i - 1]: cnt 1 else: res.append(s[i - 1] str(cnt)) cnt 1 res.append(s[-1] str(cnt)) compressed .join(res) return compressed if len(compressed) len(s) else s代码很简单但有三点值得展开说第一for循环的起点是1而不是0因为你要和上一个字符比较第二循环结束后还要补上最后一组字符的统计这是最容易漏的第三最后要比较压缩前后的长度不能无脑返回压缩结果。这道题我在模拟题里给过自己一个要求两分钟内写完并保证通过所有用例。因为它的逻辑太清晰了如果花更长时间说明代码书写的基本功还不够扎实。3.2 任务调度题贪心还是优先队列再来看一道常见题给定一堆任务每个任务有执行时间同一时刻只能执行一个任务但任务的顺序可以任意安排问平均等待时间最短的调度策略是什么。这就是典型的“最短作业优先”问题。贪心策略是先执行执行时间最短的任务。但要证明这个贪心策略的正确性需要一点数学推导如果两个任务执行时间分别为a和b且ab那么先a后b的等待时间是2ab先b后a的等待时间是a2b差别在于谁被多等了一次。显然先短任务更优。实际题目中往往会有变体比如任务还有优先级、有截止时间、或者有依赖关系。遇到依赖关系时贪心就不一定有效了这时候往往要转成拓扑排序或DP。我用优先队列实现时有个心得不要试图在插入时排序直接用堆。Python的heapq非常方便插入和弹出都是O(logn)整体复杂度是O(nlogn)足够应对机试的数据量。import heapq def min_waiting_time(tasks): heapq.heapify(tasks) total 0 cur 0 while tasks: t heapq.heappop(tasks) cur t total cur return total // len(tasks)这里total累计的是每个任务完成的时间点而每个任务的等待时间就是从开始到它完成的时间。这个细节很多人会搞混写成累加t本身那样算出来的就是错的。3.3 迷宫最短路径题BFS的通用写法迷宫题的描述通常是这样给定一个二维矩阵0表示可以走1表示墙起点在右上角终点在左下角求最短路径长度如果不可达则返回-1。BFS是解这个问题的标准方法核心在于“队列访问标记”。我总结了一个模板适用于几乎所有BFS题from collections import deque def shortest_path(grid, start, end): rows, cols len(grid), len(grid[0]) visited [[False] * cols for _ in range(rows)] q deque([(start[0], start[1], 0)]) visited[start[0]][start[1]] True directions [(1, 0), (-1, 0), (0, 1), (0, -1)] while q: x, y, step q.popleft() if (x, y) end: return step for dx, dy in directions: nx, ny x dx, y dy if 0 nx rows and 0 ny cols and not visited[nx][ny] and grid[nx][ny] 0: visited[nx][ny] True q.append((nx, ny, step 1)) return -1这个模板的关键点有几个一是队列中存的三元组(x, y, step)step表示从起点到当前点的距离二是入队时立即标记visited而不是出队时标记这样能避免同一个点被多次入队三是四个方向的偏移量适合上下左右移动的题目。有同学问为什么BFS能保证第一次到达终点时路径最短。因为BFS按层扩展每一层的步数都是相同的第一次扩展到终点时队列中前面的节点都已经用当前步数处理过了所以这个路径一定是最短的。理解了这个原理你就不用死记硬背了。4. 机试中的输入输出与细节处理4.1 ACM模式下的输入模板华为机试用的是ACM模式也就是自己写输入输出。很多人刷模题时用LeetCode模式惯了一到ACM模式就不知道如何处理输入。这里给出两个常用的Python模板。如果输入是一行一个整数import sys for line in sys.stdin: line line.strip() if not line: continue n int(line) # 处理逻辑如果输入是多行第一行是数据个数后面是具体数据import sys data sys.stdin.read().strip().split() n int(data[0]) arr list(map(int, data[1:1 n]))第二个模板用sys.stdin.read()一次性读取全部输入再按空格分割对于输入格式复杂的题特别方便。我推荐大家养成用read()读取的习惯因为它能避免for line in sys.stdin在最后一行没有换行符时漏读的问题。4.2 边界条件机试最隐蔽的扣分点机试判题按用例通过率给分隐藏用例往往专门卡边界条件。我梳理了几个常见的边界陷阱这些在模拟题里反复出现输入字符串可能包含首尾空格或空串数组长度可能为0或1图可能不连通数字可能为负数或极大值结果可能溢出Python不做限制但其他语言要注意处理边界的习惯是在写代码之前先想清楚“输入的合法范围是什么”然后在代码开头统一做防御性判断。很多人觉得这样浪费时间但一个边界条件没处理就可能让20%的用例挂掉比一道题做不出来更可惜。4.3 时间复杂度估算与超时规避华为机试通常有执行时间限制C一般在1秒到2秒Python会放宽一些但依然有压力。实际机试中如果你用的是O(n^2)的算法n在10^4到10^5之间Python很可能超时。我给大家一个参考标准Python每秒大约能处理10^7次简单运算。所以n 10^3O(n^2)可以n 10^5需要O(nlogn)或以下n 10^6基本只能O(n)做题时先用这个标准快速估算一下如果发现自己的算法可能超时就要考虑换思路或优化。比如暴力双重循环改成哈希表或者排序后双指针。5. 模拟题中反复出现的坑与排查技巧5.1 递归深度导致的运行时错误DFS用递归实现时Python默认的递归深度上限是1000左右。如果递归深度超过这个值程序会直接报RecursionError。这在图遍历、岛屿数量等问题中很容易触发。解决办法有三个层次第一用sys.setrecursionlimit(10000)把限制调高第二改成迭代方式的DFS自己维护栈第三改成BFS天然没有递归深度问题。我建议在第三题遇到DFS时直接用栈模拟递归虽然代码量稍多但稳定性最好。5.2 测试用例自己怎么补机试题目给出的示例通常很少可能只有一两个。举例来说如果题目给了一个数组求最大值很多人只看正数情况忽略了全部负数的情况。但隐藏用例一定会包含这种边界场景。我的做法是在写完代码后立即构造几组特殊输入自己测最大值、最小值、空输入、只有一个元素、所有元素相同。这个习惯能让你在提交前就发现潜在的问题。我统计过这个步骤至少能帮我挽回10%到20%的用例通过率。5.3 超时后如何快速优化如果你发现自己的代码超时先不要推翻重写。按照下面的顺序排查有没有重复计算把固定的计算结果提前存好有没有不必要的遍历用哈希表或前缀和优化数据结构选对了没列表查找是O(n)集合是O(1)能否用双指针/滑动窗口替代一部分循环大多数超时问题都能通过这四步解决。如果都不行那就考虑换一种算法思路比如从DP改为贪心或从暴力改为二分。切忌冥思苦想不动手机试时间不等人。6. 从模拟题到考场心态与节奏的复盘我把这套模拟题完整做下来之后最大的收获不是某道题的解法而是整个做题节奏的把控。我自己总结了一套“前紧后松”的策略前两道简单题快做做完后立刻检查输入输出和边界不急着提交第三道题先读三遍题把最暴力的解法写出来保证有基础分再考虑优化。实际操作中我会在考试还剩30分钟时强制停止所有优化工作把已经写完的代码做最后的完整测试。因为最怕的不是写不出最优解而是在最后关头改代码改出bug。稳才是机试的制胜法宝。最后分享一个不算技巧但很管用的经验平时模拟刷题时不论题目难易都给自己限定时间。简单题15分钟中等题25分钟难题40分钟。时间到了还没AC就直接看题解搞清楚思路后自己再手写一遍。这样既能保持刷题效率也能模拟考场的真实时间压力。