10.3 二分查找边界 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重识搜索算法 . . . . 1 分治算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 12.2 分治搜索策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 12.3 构建二叉树问题 . . . 轮的重复后，就能将其牢记在心。推荐的题单和刷题计划请见此 GitHub 仓库。 3. 阶段三：搭建知识体系。在学习方面，我们可以阅读算法专栏文章、解题框架和算法教材，以不断丰富 知识体系。在刷题方面，可以尝试采用进阶刷题策略，如按专题分类、一题多解、一解多题等，相关的 刷题心得可以在各个社区找到。 如图 0‑8 所示，本书内容主要涵盖“阶段一”，旨在帮助你更高效地展开阶段二和阶段三的学习。 第 0 章 前言 hello‑algo

10.3 二分查找边界 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重识搜索算法 . . . . 1 分治算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 12.2 分治搜索策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 12.3 构建二叉树问题 . . . 轮的重复后，就能将其牢记在心。推荐的题单和刷题计划请见此 GitHub 仓库。 3. 阶段三：搭建知识体系。在学习方面，我们可以阅读算法专栏文章、解题框架和算法教材，以不断丰富 知识体系。在刷题方面，可以尝试采用进阶刷题策略，如按专题分类、一题多解、一解多题等，相关的 刷题心得可以在各个社区找到。 如图 0‑8 所示，本书内容主要涵盖“阶段一”，旨在帮助你更高效地展开阶段二和阶段三的学习。 第 0 章 前言 www

10.3 二分查找边界 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重识搜索算法 . . . . 1 分治算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 12.2 分治搜索策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 12.3 构建二叉树问题 . . . ，通常在进行 3～5 轮的重复后，就能将其牢记在心。 3. 阶段三：搭建知识体系。在学习方面，我们可以阅读算法专栏文章、解题框架和算法教材，以不断丰富 知识体系。在刷题方面，可以尝试采用进阶刷题策略，如按专题分类、一题多解、一解多题等，相关的 刷题心得可以在各个社区找到。 如图 0‑8 所示，本书内容主要涵盖“阶段一”，旨在帮助你更高效地展开阶段二和阶段三的学习。 第 0 章 前言 hello‑algo

10.3 二分查找边界 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 10.5 重识搜索算法 . . . . 1 分治算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 12.2 分治搜索策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 12.3 构建二叉树问题 . . . 照“艾宾浩斯遗忘曲线”来复习题目，通常在进行 3‑5 轮的重复后，就能将其牢记在心。 3. 搭建知识体系。在学习方面，我们可以阅读算法专栏文章、解题框架和算法教材，以不断丰富知识体 系。在刷题方面，可以尝试采用进阶刷题策略，如按专题分类、一题多解、一解多题等，相关的刷题心 得可以在各个社区找到。 如图 0‑7 所示，本书内容主要涵盖“第一阶段”，旨在帮助你更高效地展开第二和第三阶段的学习。 第 0 章 前言 hello‑algo

10.3 二分搜尋邊界 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 10.4 雜湊最佳化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重識搜尋演算法 . . . . 1 分治演算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 12.2 分治搜尋策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 12.3 構建二元樹問題 . . . 輪的重複後，就能將其牢記在心。推薦的題單和刷題計劃請見此 GitHub 倉庫。 3. 階段三：搭建知識體系。在學習方面，我們可以閱讀演算法專欄文章、解題框架和演算法教材，以不斷 豐富知識體系。在刷題方面，可以嘗試採用進階刷題策略，如按專題分類、一題多解、一解多題等，相 關的刷題心得可以在各個社群找到。 如圖 0‑8 所示，本書內容主要涵蓋“階段一”，旨在幫助你更高效地展開階段二和階段三的學習。 第 0 章 前言 www

Flutter-Web-Publish 负责将编译产物上传美团资源存储服务器。 五、成果展示 5.1 效果展示 我们在美团外卖商家学院（一个以文章、视频等形式帮助商家学习外卖运营知识、了 解行业发展和平台策略的平台，它有很强的传播属性，具有外部投放的场景）率先落 地了 Flutter Web，现以商家学院视频内容页为例，对比 Flutter Native 和 Flutter Web 的展现效果： PC 上特供了针对连锁商家的多店管理功能。同时，为满足平台运营诉求，部分 业务具有外投 H5 场景，例如美团外卖商家课堂，它是一个以文章、视频等形式帮助 商家学习外卖运营知识、了解行业发展和跟进经营策略的内容平台，具有较强的传播 属性，因此我们提供了站外分享的能力。 图 4 业务形态 为了实现多端（App、PC、H5）复用，提升研发效率，我们于 2021 年年初开始着 手 MTFlutterWeb 页面加载性能优化，是我们亟需解决的问题。 二、挑战 不过，想要突破 FlutterWeb 页面加载的性能瓶颈，我们面临的挑战也是巨大的。这 主要体现在 FlutterWeb 缺失静态资源的优化策略，以及复杂的架构设计和编译流程。 下图展示了 Flutter 业务代码被转换成 Web 平台产物的流程，我们来具体进行分析： 图 5 FlutterWeb 编译流程 ● Framework

design）回归测试的概念。 得益于老版本 IE 使用、开发程度的大幅度降低，为浏览器 API 一致性而战的时代已离我 们远去。 2016 前端开发回顾 14 几乎人人都意识到开发网页的时候必须考虑多设备适配策略。 使用其他语言的开发者持续涌入 JS 领域，他们也带来了一些东西：例如类型检测，和对 类语法以及面向对象思想的执念。 前端开发引入了热模块替换技术和时间旅行调试。 原生 JS 浏览器模块加载器更受期待了。 时，意味着该开发者拥有在手机或者平板设备（可以是原生， 或者 web 平台，也就是在浏览器里）上进行前端开发的经验。 前端 SEO 专家 当职称名包含 “SEO” 时，意味着该开发者熟悉用前端技术设计 SEO 策略（搜索引擎优化策 略）。 前端访问性专家 当职称名包含 “访问性” 时，意味着该开发者熟悉使用前端技术处理访问性的要求和标准。 前端运维 当职称名包含 “运维” 时，意味着开发者在涉及合作、整合、部署、自动化和测试的软件开发 SVG） 正则表达式 内容策略 Microdata / Microformats 任务管理器，构建工具，过程自动化工具 自适应网页设计 面向对象的程序设计 应用程序构建 模块 依赖管理 包管理 JavaScript 动画 CSS 动画 图表/图形 UI 控件 代码质量测试 代码覆盖率测试 代码复杂性分析 集成测试 命令行/命令行界面 模板策略 模板引擎 单页应用

JavaScript 正则表达式迷你书 4. 第四章 正则表达式回溯法原理 | 第 44 页 • 贪婪量词“试”的策略是：买衣服砍价。价钱太高了，便宜点，不行，再便宜点。 • 惰性量词“试”的策略是：卖东西加价。给少了，再多给点行不，还有点少啊，再给点。 • 分支结构“试”的策略是：货比三家。这家不行，换一家吧，还不行，再换。 既然有回溯的过程，那么匹配效率肯定低一些。相对谁呢？相对那些 DFA

JavaScript 正则表达式迷你书 4. 第四章 正则表达式回溯法原理 | 第 44 页 • 贪婪量词“试”的策略是：买衣服砍价。价钱太高了，便宜点，不行，再便宜点。 • 惰性量词“试”的策略是：卖东西加价。给少了，再多给点行不，还有点少啊，再给点。 • 分支结构“试”的策略是：货比三家。这家不行，换一家吧，还不行，再换。 既然有回溯的过程，那么匹配效率肯定低一些。相对谁呢？相对那些 DFA

（即何时执行第一阶段、何时执行第二阶段）。 Thunk 函数 Thunk 函数是自动执行 Generator 函数的一种方法。 参数的求值策略 Thunk 函数早在上个世纪60年代就诞生了。 那时，编程语言刚刚起步，计算机学家还在研究，编译器怎么写比较好。一个争论 的焦点是"求值策略"，即函数的参数到底应该何时求值。 Generator 函数的异步应用 442 var x = 1; function value），即在进入函数体之前，就计算 x + 5 的 值（等于6），再将这个值传入函数 f 。C语言就采用这种策略。 f(x + 5) // 传值调用时，等同于 f(6) 另一种意见是“传名调用”（call by name），即直接将表达式 x + 5 传入函数体， 只在用到它的时候求值。Haskell 语言采用这种策略。 f(x + 5) // 传名调用时，等同于 (x + 5) * 2 传值调用和传名调用，哪一种比较好？ thunk() * 2; } 上面代码中，函数f的参数 x + 5 被一个函数替换了。凡是用到原参数的地方， 对 Thunk 函数求值即可。 这就是 Thunk 函数的定义，它是“传名调用”的一种实现策略，用来替换某个表达 式。 JavaScript 语言的 Thunk 函数 JavaScript 语言是传值调用，它的 Thunk 函数含义有所不同。在 JavaScript 语言 中，Thunk