数据结构与算法——Java实现排序算法（二）

た入场券 2024-03-30 10:21 79阅读 0赞

> [数据结构与算法——Java实现排序算法（一）\_我爱布朗熊的博客-CSDN博客][Java_-CSDN]

###  ###

## 七、希尔排序（自我感觉有点难理解） ##

为了解决直接插入排序所带来的弊端，我们接来下看一下希尔排序

希尔排序也是一种插入排序，简单插入排序经过改进之后的另一个更高效的版本，也成为了**缩小增量排序**

**希尔排序是把记录按下标的一定增量分组（分组并没有按照顺序），对每组使用直接插入排序算法排序**

**随着增量逐渐减少，每组包含的关键词越来越多，当增量减到1时，整个文件恰被分到一组，算法便终止**

### 7.1 思路分析 ###

![54da6b7f260f428ca645829409da6d37.png][]

![c748cad560bc49bebf648271e02ba06f.png][]

**很多人会想，那上面的数量刚好是凑好的，那要是凑不好怎么办呢？**

**我们看一下下面的数据，第一组中的数据有三个，其他组的数据有两个，不过也不耽误我们的运行**

![85a19139576849938d9921ae2e1ccf6e.png][]

### 7.2 希尔排序交换式算法实现（交换式，速度慢） ###

public class ShellSort {
        public static void main(String[] args) {
             int[] arr = {8,9,1,7,2,3,5,4,6,0};
    
              shellSort(arr);
            System.out.println(Arrays.toString(arr));
    
        }
    
    //   编写希尔排序
         public static void shellSort(int[] arr){
              int temp=0;
    
    //        gap是步长，也表示会分成几组，步长为5则表示分成5组
    //        最外面这个for循环控制分组
    //        控制排序中一共会分成几组，怎么分
              for(int gap = arr.length/2 ; gap>0 ; gap/=2){
    //            第二个for循环和第三个for循环可以看做一体的
    //            此for循环是为了确定分组之后的每个小组内的数据可以比较，这样我们一个for循环就搞定了
    //            i=5,6,7,8,9  则i-gap对应0，1,2,3,4
                  for(int i=gap;i<arr.length;i++){
    //                遍历各组中的所有元素，比较大小
    //                i-gap 相当于是第几组内的比较，j-=gap表示隔着一个步长的距离才是同一个小组
                      for(int j=i-gap;j>=0;j-=gap){
    //                    我们把小的放到左侧
                          if(arr[j]>arr[j+gap]){
                              temp=arr[j];
                              arr[j]=arr[j+gap];
                              arr[j+gap]=temp;
                          }
                      }
                  }
                  System.out.println("希尔排序第x论结果"+ Arrays.toString(arr));
              }
         }
    }

public static void shellSort(int[] arr){
            int temp=0;
    
           for(int gap = arr.length/2; gap>0 ; gap =gap/2){
    //         gap的每次循环遍历都要比之前少一半，故除2
    
    //        我们根据步长分了一个组，所以我们要给每个组排序一下
               for(int i=gap ;i<arr.length; i++){
    
    //              遍历本组的所有元素,然后进行比较，如果本组中与三个元素的话，就运行三次
    //              j可以等于0，因为下标可以为0
                   for(int j=i-gap;j>=0;j=j-gap){
                       if(arr[j]>arr[j+gap]){
                           temp=arr[j];
                           arr[j]=arr[j+gap];
                           arr[j+gap]=temp;
                       }
    
                   }
               }
           }
        }

![34e56e804ef345a0a857b978b40d53ba.png][]

### 7.3 希尔排序移位式算法实现（插入式，效率高） ###

就是相当于不断的往后移动，最终会空出来一个位置，插进去

//   希尔排序移位法
        public  static  void shellSort2(int[] arr){
    //        增量gap，逐步缩小增量，gap是步长，也表示会分成几组，步长为5则表示分成5组
    //        最外面这个for循环控制分组
    //        控制排序中一共会分成几组，怎么分
            for(int gap = arr.length/2 ; gap>0 ; gap/=2){
                for(int i=gap;i<arr.length;i++){
    //              进行插入,先假设插入到下表为j处
                    int j=i;
    //              临时指针，先存储一下
                    int temp =arr[j];
    //              找位置
    //                  j-gap>=0防止数组下标不规范，出现小于零的状况
    //                  因为我们想把打的插到后面，所以小的进入循环 temp< arr[j-gap]
                        while (j-gap>=0 && temp< arr[j-gap]){
    //                      移动，说明arr[j-gap]大
                            arr[j]  =arr[j-gap];
                            j=j-gap;
                        }
    //              退出for循环之后，说明我们找到位置了
    //                  这个地方实现插入
                        arr[j]= temp;
    
                }
            }
        }

## 八、快速排序 ##

快速排序是**对冒泡排序的一种改进。**

###  ###

### 8.1 思路分析 ###

**基本思想：**通过一趟排序将要排序的数据分割成独立的两部分，将一部分数据的所有数据都比另一部分的所有数据都要小，然后再按此方法对两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。

**切分原理：**

*  找一个基准值，用两个指针分别指向数组的头和尾部；
 *  先从尾部向头部开始搜索，找一个比基准值小的元素，搜到便停止，并记录指针的位置；
 *  再从头部向尾部开始搜索，找一个比基准值大的元素，搜到便停止，并记录指针的位置；
 *  交换当前左边指针位置和右边指针位置的元素；
 *  重复2,3,4步骤，直到左边指针的值大于右边指针的值为止

**如下图所示**

**数组下标最大值是5，故5/2=2，所以选择下标为2处的值，刚好是0。 至于到底怎么选，自己指定就行，我们在这里指定选数据中心作为分割。**

**绿线最开始在最左侧，黄线最开始在最右侧**

![1afda92955104982af2e30a1bc35a500.png][]

### 8.2 代码实现 ###

public class QuickSort {
        public static void main(String[] args) {
    //        int[] arr={ -9,78,0,23,-567,70};
    //      全局操作的就是同一个数组
            int[] arr={ -9,0,0,23,-567,70};
    
            quickSort(arr,0,arr.length-1);
            System.out.println(Arrays.toString(arr));
        }
    
        /**
         *
         * @param arr   要排序的数组
         * @param left  左侧的索引
         * @param right 右侧的索引
         */
        public static  void quickSort(int[] arr,int left,int right){
            int l =left;
            int r = right;
            int temp =0;   //临时变量，交换时使用
    //      中轴数据
            int pivot = arr[(l+r)/2];
    
    
    //      while循环的目的：让比pivot小的值放到左边，比pivot大的值放到右边
            while(l<r){
    //          要从左边找出大于等于pivot的元素
                while(arr[l]<pivot){
    //              退出循环的话说明arr[l]>=pivot,此时我们要把这个arr[l]放到pivot的右侧
                    l+=1;
                }
    
                while (arr[r] >pivot){
    //              退出循环的话说明arr[l]<=pivot,此时我们要把这个arr[l]放到pivot的左侧
                    r-=1;
                }
    
    //          一会去掉这一个语句
    //          左侧均小于等于pivot，右边全部是大于
    //          如果说明false，说明左右还没有遍历完成
                if(l>=r){
                    break;
                }
    
    //          交换
                temp =arr[l];
                arr[l] =arr[r];
                arr[r]=temp;
    
    //          如果交换完后，发现arr[l] == pivot  相等，向前移动一步
    //          没有下面这两个if会进入死循环
                if(arr[l] == pivot){
    //              往头部移动
                    r-=1;
                }
    
                if(arr[r] == pivot){
    //              往尾部移动
                    l+=1;
                }
    
            }
    
    
    //        如果l==r ，必须l++,r--,否则为出现栈溢出
    //      换个理解方式：我们l==r的时候一般在pivot点，这个中间点不能带入
            if(l==r){
                l+=1;
                r-=1;
            }
    //      还有向左递归，向右递归
    //      向左递归   left=r的时候说明已经就剩下一个数了，不用再递归了
            if(left<r){
                quickSort(arr,left,r);
            }
    //      向右递归   当right=l的时候，说明就剩下一个数了，不用再递归了
            if(right>l){
                quickSort(arr, l, right);
            }
    
    
    
        }
    }

### 8.3 思路分析（另外一种实现，这个好懂） ###

说实话，在我分析8.1的时候我分析的很明白，但是继续学习的时候写代码的时候能读懂一部分，剩下的一部分模棱两可，所以我又从新找了一个视频看，就有了下面的这种方式

**也可以看下图的例子**

**下图中的基准都是以数组最后一个数为基准，这个基准在合理范围内自己定义就行**

![c8a3fb56d06543e398d9ca7381b548a0.png][]

**下面是选择在了头部为比较值，这个随便怎么选，能实现就行**

![fd2e25fea5cd4b56b57fb68e2c53f859.png][]

**为了更能明白，我们就一步一步的做一遍**

我们选取下面一组数据，我们以每组的第一个数作为基准值，下组的基准值就是三，我们写到右边记录一下 。

再次之前，我们先设置一个头部指针和尾部指针，头向尾部移动，尾向头部移动，如下图所示。

**约定把比基准值小的放到基准值的左边，大的放到基准值的右边**

![2a865dcb68a44527a9bfe269ea764f5f.png][]

**我们先从右边遍历，先遍历到6，6是比3大的，而且就是在3的右侧，所以不用管。**

![95e013768f044cc6a317aebe076c7ed9.png][]

**尾指针向左移动到2，我们发现2比3小，然后将2覆盖3，如下图所示**

![05ca79aca3fb4e459b6f04cb0aceca22.png][]

此时我们不再移动尾指针了，我们**移动头指针**，头指针移动到5，**发现5比3大**，然后用**5覆盖尾指针2所在的位置**

![e77459a075d944238bb3985067e3b9ee.png][]

此时我们再移动尾指针，将**尾指针移动到1处**，**发现1比头指针处的5小，故用1覆盖头指针处的5**

![a27ec89039d6498a92ab4b8755eb30b4.png][]

此时再移动头指针，把头指针往后移动到7处，7比3小，将头指针处的7覆盖尾指针处的1

![08ad1c4c2dd34795be8ab687c2cab648.png][]

此时再移动尾指针到5，发现五比三大，又将尾指针移动到9,9也比三大，又将尾指针移动到8,最终移动到7，**此时头指针和尾指针重合了**

![230bd46f3e38448ab1a44aa37185c379.png][]

此时此组的排序已经接近尾声，然后**把3覆盖头指针和尾指针重合的位置，此时也将数组分成了两部分，左边比三小，右边比三大**

![253a6b8e2f3b46da8f31078925b14100.png][]

**同样的方式，我们也可以排序左边和右边，无限递归完成排序**

**那递归结束的条件是什么？每组中只有一个元素，即开始和结束都是一个地方，此时递归结束**

### 8.4 代码实现（这个清晰好懂） ###

public class QuickSort {
        public static void main(String[] args) {
          int[] arr = new int[]{3,4,6,7,2,7,2,8,0};
          quickSort(arr,0, arr.length-1);
            System.out.println(Arrays.toString(arr));
        }
    
        public static void quickSort(int[] arr,int start,int end){
            if(start>=end){
    //         满足这个条件，就就说明数组的小分组中就还有一个元素，就不用分组了
                return;
            }
    //     基准数
           int pivot = arr[start];
    
    //     两个指针坐标,记录下标
            int left = start;
            int right = end;
    
    //    循环找数字替换，比标准数小的在左，大的的在右
    //      left=right,两个相等的时候，说明已经遍历了一遍了从头到尾
            while(left<right){
    //           先从右侧开始遍历,只要小的
                while (left<right && pivot <=arr[right]){
    //              进入到此时，说明基准数小，我们继续移动尾部指针向前
                    right--;
                }
    //          退出while循环说明我们找到了比基准数小的数据
    //          使用尾部指针处的数据替换头部指针出的数据
                arr[left] = arr[right];
    
    //          下面移动头部指针，只找大的
                while(left<right && pivot>=arr[left]){
    //            如果左边的数比标准数小的话不用交换数据，把头指针往后移动
                    left++;
                }
    //          退出while循环说明头指针找了的比基准数大的
    //          使用头指针处的数据替换尾指针处的数据
                arr[right]=arr[left];
    
            }
    
    //      大循环结束说明左右指针在同一个位置,将标准数填入到这个位置
    //      这个地方没有if语句也行
            if(left==right){
                arr[left] =pivot;
            }
    //     上边已经实现一边高一边低了
    
    //    这个地方也可以  quickSort(arr,start,left-1);quickSort(arr,right,end);
    //    因为此时right和left是一个位置，我们只要保证下面有一个能遍历到就行了，但是不能是两个都遍历到
    //        左侧递归
            quickSort(arr,start,left);
    //        右侧递归
            quickSort(arr,right+1,end);
    
        }
    
    }

###  ###

## 九、归并排序 ##

利用归并的思想实现排序的方法，该方法采用经典的分治策略。

分治法将问题的分是分成一些小的问题然后递归求解，而治的阶段则将分的阶段得到的各答案“修补”在一起，即分而治之。

### 9.1 思路分析 ###

合并的时候会有排序

下面这组数据一共合并了七次，一共有八个数据

如果有10000个数据，会合并9999次，合并的次数是一个线性增长

![3d20fc64277a427c9cf4dece6b10f4d2.png][]

**下面蓝色的那个数组就是一个临时数组**

![364d8226fa6e42f9931a145bd9b1b3cf.png][]

下面的这个图比较具体，因为比较大，所以看起来很不清晰，放大凑活看把自己做的，序号是执行顺序

![ba467fe1c7714e369418cd3e6e0f47cc.jpeg][]

### 9.2 代码实现 ###

public class MergeSort {
        public static void main(String[] args) {
         int[] arr = new int[]{1,3,5,2,4,6,8,10};
    //   右边的范围
         mergeSort(arr,0,arr.length-1);
         System.out.println(Arrays.toString(arr));
    
        }
    
        public static  void mergeSort(int[] arr,int left,int right){
            int middle=(left+right)/2;
    
    //      什么时候递归结束？
            if(left>=right){
    //          这显然left>=right是不对的，如果满足此条件，我们就可以退出了
    //          其实这种情况下就只有一个元素了
                return;
            }
    
    
    //      先进行分组，将其分成一个一个的
    //      处理左边：处理每次分组的左边  left,middle这是一个范围
            mergeSort(arr,left,middle);
    //      处理每次分组的右边    middle+1,right这又是一个范围
            mergeSort(arr,middle+1,right);
    //      经过上面的分组，最终数据就会被分成一个一个的
    
    
    //      归并
            merge(arr,left,middle,right);
    
    
        }
    
    
    
        /**
         *
         * @param arr     数组
         * @param left    左侧数组的最左侧
         * @param middle  从哪个地方将数组分成两块，这个middle一般指右边那一块的第一个元素，因为并不能指向中间的切割的那条线
         * @param right   右侧数组的最右侧
         */
        public static void merge(int[] arr, int left ,int middle,int right){
    //      用于存储归并后的临时数组
            int[] temp = new int[right-left+1];
    
    //       其实就是在一个数组中，我们为了形象点说明，引出了第一个数组第二个数组的说法
    //      记录第一个数组指针的位置
            int l =left;
    //      记录第二个数组中指针的位置,从middle+1的位置开始，middle下标处的数据在第一个数组
            int r =middle+1;
    
    //      用于记录放在temp数组的哪个位置
            int index =0;
    
    //      作用：遍历两个数组，取出小的数字放入临时数组中
            while(l<=middle && r<=right){
    //           一直循环比较然后放入临时数组，直到有一边遍历完成为止
                 if(arr[l]<=arr[r]){
    //               进入到if语句说明左侧数组的下标为l的元素小，先放到临时数组
                     temp[index]=arr[l];
    //               然后左侧的指针向右移动
                     l++;
                     index++;
                 }else{
    //               此时是右侧数组r对应的数据更下，放到临时数组
                     temp[index]=arr[r];
    //               也是加加，因为我们是从middle+1开始算的
                     r++;
                     index++;
                 }
            }
    //      从while循环中出来了，可能都遍历完成了两侧，也有可能其中的一侧没有遍历完
    //      如果没有遍历完怎么办？
    //           把剩下 的数据放入临时数组就行
            while(l<=middle){
    //           如果进入到循环说明左侧有些数据没有放入到临时数组中
                temp[index]=arr[l];
                l++;
                index++;
            }
            while(r<=right){
    //           如果进入到循环说明右侧有些数据没有放入到临时数组中
                temp[index]=arr[r];
                r++;
                index++;
            }
    //      运行到这里说明左右都放入到临时数组了
    //      将临时数组中的数据放入到arr
    //        arr=temp;  不能直接赋值
            for(int i=0;i<temp.length;i++){
                arr[i+left] = temp[i];
            }
        }
    
    
    
    }

## 十、基数排序 ##

属于分配式排序，又称“桶子法”，或bin sort，它是通过键值的各个位的值，将要排序的元素分配到某些“桶”中，达到排序的作用（这些桶其实就是一个数组，我们要准备十个桶，从0到9）

技术排序属于稳定性排序，基数排序法是效率高的稳定性排序法

基数排序是桶排序的扩展

将整数按位数切割成不同的数字，然后按每个位数分别比较

### 10.1 思路分析 ###

**并没有递归的过程，具体要进行几轮取决于最大位的位数，如果是三位就三轮，四位就四轮**

*  将所有待比较数值统一为同样的数位长度，数位较短的数前面补零。
 *  然后，从最低位开始，依次进行一次排序。这样从最低位排序一直到最高位排序完成以后，数列就变成一个有序序列。

![6f751d40a42243f18198c0f63b411424.png][]

![f3272d23f1944973a5f034ae1798bee1.png][]

![7dd80356c2724fb69f56043de8f4a1a3.png][]

### 10.2 代码实现 ###

public class RadixSort {
        public static void main(String[] args) {
            int[] arr= new int[]{23,6,189,45,9,287,56,1,798,34,65,652,5};
            radixSort(arr);
    
            System.out.println(Arrays.toString(arr));
        }
    
    //  我们这个算法其实是按照最大的那个数字是几位数，我们就排几轮
    //  比如最大的是三位数，我们就排三轮，最大的是四位数，我们就排四轮
        public static void radixSort(int[] arr){
    //      1.找数组中最大的数字
            int max = Integer.MIN_VALUE;    //Integer.MIN_VALUE=-2147483648
    
            for(int i=0;i<arr.length;i++){
                if(arr[i]>max){
                    max=arr[i];
                }
            }
    //      2.判断最大的那个数字是几位数,由最大位的几位数决定比较的次数
    //        方法：将最大数变成普通字符串，然后调用length方法
            int maxLength = (max+"").length();
    
    //       3. 定义临时存放数据的数组(二维数组)
    //                10：代表着捅，0-9是个捅
    //                arr.length：代表着每个捅最多存放的数据，就是我们打算排序的数组的长度
            int[][] temp = new int[10][arr.length];
    
    //          此数组记录十个桶中每个捅下一个元素应该排放到哪个位置，初始值都是0，代表着应放在下标为0处
            int[] count = new int[10];
    
    //       4.  开始取余数，往临时数组中存
    //         为什么要定义n变量？
    //             因为我们比较个位数很好比较，将一个数除10取余即可，
    //             但是十位数的话，我们得除10，再除10取余
    //                百位数，我们的先除100，再除10取余
    //                .......
            for(int i=0,n=1;i<maxLength;i++,n*=10){
    //      4.1 将数据存入临时数组
    //          把每一个数字分别计算余数
                for(int j=0;j< arr.length;j++){
    //              拿到数组中的每个数的余数
                    int ys = arr[j]/n%10;
    //              把当前余数放到临时数组的指定位置
                    temp[ys][count[ys]] = arr[j];
    //              往后移动一次，代表着这个捅下此存放到下表为count[ys]++处
                    count[ys]++;
                }
    
    //      4.2 将数据从临时数组中取出
                int index =0;
    //          遍历count数组之后我们才知道对应temp临时数组中每个捅需要取出多少元素
                for (int k =0;k< count.length;k++){
                     if (count[k]!=0){
    //                   说明有数据  count[j]=1,，说明有一个数据，等于2说明有两个数据，循环取出
                         for (int l=0;l<count[k];l++){
                             arr[index]= temp[k][l];
                             index++;
                         }
    //                   把数量置为0，然后我们后面大规律还会用到这个count数组(我们后面还会比较好几轮）
                         count[k]=0;
                     }
                }
    
            }
        }
    }

### 10.3 基数排序优化 ###

我们可以将上面的代码进行优化

具体思想：因为我们上面的数组存和取的时候很像我们之前学的队列（先进先出原则，先放进去的先去，我们怎么放进去的怎么取出来），下面用队列的形式进行优化

**用队列的数组代替暂时存放数据的整数二维数组，此时队列数组的长度依然是10，代表从0-9这10个捅，并且不需要记录每个捅放多少数据的count数组**

> [3.9 基数排序之队列实现\_哔哩哔哩\_bilibili][3.9 _bilibili]

## 十一、常用排序算法总结 ##

![33786b9eba7741ac9c04d04436671716.png][]

![70d2ded986f642d1b5c1614118ac5ede.png][]

[Java_-CSDN]: https://blog.csdn.net/weixin_51351637/article/details/128341328?spm=1001.2014.3001.5501
[54da6b7f260f428ca645829409da6d37.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/d53bd29821cc49429001f73b2f7bb579.png
[c748cad560bc49bebf648271e02ba06f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/4e455ae30b8b481c80962896da0786a6.png
[85a19139576849938d9921ae2e1ccf6e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/d4853f6847b94b1c99eef302a83267e8.png
[34e56e804ef345a0a857b978b40d53ba.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/834aa15be28546c6a8cd523401a9426e.png
[1afda92955104982af2e30a1bc35a500.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/449e730317d945b0a9a1341de4e771d5.png
[c8a3fb56d06543e398d9ca7381b548a0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/dce83235ddc942709f0d7b22bb9b68a5.png
[fd2e25fea5cd4b56b57fb68e2c53f859.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/dbf592f2079b44d8a0fb4ae3642829e9.png
[2a865dcb68a44527a9bfe269ea764f5f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/410c4d9f67d84f668d3a202c39606f0c.png
[95e013768f044cc6a317aebe076c7ed9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/00285802db2646409906cb647630ec38.png
[05ca79aca3fb4e459b6f04cb0aceca22.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/42399d6fb3f244ba9f97af38f735e104.png
[e77459a075d944238bb3985067e3b9ee.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/05c726a817be4494bb9dc146a93a6be3.png
[a27ec89039d6498a92ab4b8755eb30b4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/eab4f27e65d24ac0bee7ebefd46bd7c9.png
[08ad1c4c2dd34795be8ab687c2cab648.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/8a51a8fd369b4a6fa89255155527a7af.png
[230bd46f3e38448ab1a44aa37185c379.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/20e47bbe33c54cca9294da958691ff1e.png
[253a6b8e2f3b46da8f31078925b14100.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/e8c4c785795d4726b8580b125c10d72a.png
[3d20fc64277a427c9cf4dece6b10f4d2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/dfeda683ab5b42ffbdd34b266bc542ca.png
[364d8226fa6e42f9931a145bd9b1b3cf.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/04eaba9cfee348dcbe45217193b39fc7.png
[ba467fe1c7714e369418cd3e6e0f47cc.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/982d6b17922a467283a18faa106018a5.jpeg
[6f751d40a42243f18198c0f63b411424.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/ff55aa65920c4eae94bfc825f82f6799.png
[f3272d23f1944973a5f034ae1798bee1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/3a71d5620bb841c4ac4aab365f0efd62.png
[7dd80356c2724fb69f56043de8f4a1a3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/ee58d7588c1346768b3f2f51a1abe62f.png
[3.9 _bilibili]: https://www.bilibili.com/video/BV1Zt411o7Rn?p=27&spm_id_from=pageDriver&vd_source=c01240addcba226237f3c4781490fbae
[33786b9eba7741ac9c04d04436671716.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/fb413a353e9e4589bb969a188230bb04.png
[70d2ded986f642d1b5c1614118ac5ede.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/7ad13b92bafd47268cea843a99175cf6.png