当前位置:首页 > 文章列表 > 文章 > java教程 > 单链表环检测与删除方法解析

单链表环检测与删除方法解析

2026-02-01 16:09:49 0浏览 收藏

偷偷努力,悄无声息地变强,然后惊艳所有人!哈哈,小伙伴们又来学习啦~今天我将给大家介绍《单链表环检测与移除方法详解》,这篇文章主要会讲到等等知识点,不知道大家对其都有多少了解,下面我们就一起来看一吧!当然,非常希望大家能多多评论,给出合理的建议,我们一起学习,一起进步!

如何正确移除单链表中的环(包括头节点成环的情况)

本文详解单链表检测与移除环的完整实现,重点解决当环从头节点开始时因 `prev` 为 `null` 导致的空指针异常,并提供健壮、通用的修复方案。

在使用 Floyd 判圈算法(快慢指针)检测并移除链表环时,一个常见却容易被忽视的问题是:当环的入口恰好是头节点(即 Head 自身位于环中,如 tail.next = Head)时,标准的“找前驱并断开”逻辑会失败——因为此时快慢指针首次相遇后,重新从头出发同步移动时,prev 可能始终未被赋值,最终为 null,导致 prev.next = null 抛出 NullPointerException。

根本原因在于原算法中 prev 的初始化和更新逻辑依赖于 slow != fast 循环至少执行一次。但当环入口是头节点时,重置后的 slow = Head 与 fast(已在环中某点)可能初始即相等,导致 while(slow != fast) 循环体完全跳过,prev 保持 null。

✅ 正确解法:引入虚拟头节点(dummy node)
通过在原链表前插入一个不参与业务逻辑的哨兵节点,将问题统一转化为「环入口非 dummy」的情形,从而保证 prev 必然被正确赋值。该技巧不改变时间/空间复杂度(仍为 O(n) 时间、O(1) 额外空间),且完全兼容所有环位置(包括头节点成环、中间成环、自环等)。

以下是修正后的完整可运行代码:

public class LoopsRemove {
    public static class Node {
        int data;
        Node next;

        public Node(int data) {
            this.data = data;
            this.next = null;
        }
    }

    public static Node Head;
    public static int count = 0;

    public static int removeCycle() {
        // ✅ 关键修复:添加 dummy 节点,避免 head 成环时 prev 为 null
        Node dummy = new Node(0);
        dummy.next = Head;

        Node slow = dummy;
        Node fast = dummy;
        boolean hasCycle = false;

        // 第一阶段:检测环是否存在
        while (fast != null && fast.next != null) {
            slow = slow.next;
            fast = fast.next.next;
            if (slow == fast) {
                hasCycle = true;
                break;
            }
        }

        if (!hasCycle) {
            return 0; // 无环
        }

        // 第二阶段:定位环入口,并找到其前驱节点
        slow = dummy;
        Node prev = null;
        while (slow != fast) {
            prev = fast;      // prev 始终跟踪 fast 的上一节点
            slow = slow.next;
            fast = fast.next;
        }
        // ✅ 此时 prev 必为环入口节点的前驱(在 dummy 链表中)
        prev.next = null; // 断开环
        return 1;
    }

    public static void main(String[] args) {
        // 构造带环链表:3 → 4 → 5 → 6 → 3(环入口为 Head)
        Head = new Node(3);
        Head.next = new Node(4);
        Head.next.next = new Node(5);
        Head.next.next.next = new Node(6);
        Head.next.next.next.next = Head; // 形成环

        System.out.println(removeCycle()); // 输出: 1

        // ✅ 安全验证:打印最后一个节点的 next(应为 null)
        System.out.println(Head.next.next.next.next); // 输出: null
    }
}

? 关键注意事项:

  • 不要尝试访问 null.next.data(如原代码 Head.next.next.next.next.data),这必然抛异常;应直接打印引用本身(如 System.out.println(node.next))来验证是否为 null。
  • dummy 仅在 removeCycle() 方法内有效,方法返回后即不可达,会被 JVM 自动垃圾回收,无内存泄漏风险。
  • 该方案保持了原算法的简洁性与高效性,无需额外遍历或哈希表,是工业级链表环处理的标准实践之一。

通过引入虚拟头节点,我们优雅地规避了边界条件陷阱,使环检测与移除逻辑真正具备鲁棒性与普适性。

今天关于《单链表环检测与删除方法解析》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

清理C盘空间的实用方法清理C盘空间的实用方法
上一篇
清理C盘空间的实用方法
Golang跨包测试技巧与方法解析
下一篇
Golang跨包测试技巧与方法解析
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    363次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    419次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    433次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    386次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    213次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码