写在前面
有些题目看起来很简单，深挖下去往往有很多值得深思的东西。
本文就来讨论一下二分查找法的问题，以及这道题背后真正想考察的东西。
34. 在排序数组中查找元素的第一个和最后一个位置
给定一个按照升序排列的整数数组 nums，和一个目标值 target。找出给定目标值在数组中的开始位置和结束位置。
如果数组中不存在目标值 target，返回 [-1, -1]。
进阶：
你可以设计并实现时间复杂度为 O(log n) 的算法解决此问题吗？
- 示例 1：
输入：nums = [5,7,7,8,8,10], target = 8
输出：[3,4]
- 示例 2：
输入：nums = [5,7,7,8,8,10], target = 6
输出：[-1,-1]
- 示例 3：
输入：nums = [], target = 0
输出：[-1,-1]
提示：
0 <= nums.length <= 10^5
-10^9 <= nums[i] <= 10^9
nums 是一个非递减数组
-10^9 <= target <= 10^9
解题思路
思路
看到这一题的时候，感觉非常简单。
直接来一个二分查找，然后分别向左右遍历，遇到不同的元素就停止，不就找到起始位置了吗？
java 实现
public int[] searchRange(int[] nums, int target) {
int[] result = {-1, -1};
int index = binarySearch(nums, target);
if(-1 == index) {
return result;
}
for(int i = index; i >= 0; i--) {
if(nums[i] != target) {
break;
} else {
// 如果相同
result[0] = i;
}
}
// 设置最后一个
for(int i = index; i < nums.length; i++) {
if(nums[i] != target) {
break;
} else {
result[1] = i;
}
}
return result;
}
/**
* 二分法找到的元素可能不是刚好的。
* @param nums
* @param target
* @return
*/
private static int binarySearch(int[] nums, int target) {
int low = 0;
int high = nums.length - 1;
while (low <= high) {
int mid = (low + high)/2;
if(target == nums[mid]) {
return mid;
} else if(target < nums[mid]) {
// 偏大
high = mid-1;
} else {
low = mid + 1;
}
}
// NOT FOUND
return -1;
}
效果：
Runtime: 0 ms, faster than 100.00% of Java online submissions for Find First and Last Position of Element in Sorted Array.
Memory Usage: 42 MB, less than 88.37% of Java online submissions for Find First and Last Position of Element in Sorted Array.
而且這個性能也还不错，所以当时就没有太在意，直接下一题了。
继续优化
不满意的答案
在看《剑指 Offer》 的时候，其中也有一道类似的题目。
求排序数组中，一个数字出现的次数。
解法实际上和这一题是一摸一样的。
不过其中提到一个问题，虽然查找是 O(log n)，但是左右遍历的时候，如果列表中的元素全部相同，就退化成了 O(N)。
那么，我们可以优化实现，让查找哪怕元素都相同，也依然是 O(logn) 吗？
改进思路
所以这一题实际上是考察我们对于二分查找法的理解，如何才能直接找到第一次出现和最后一次出现的元素位置？
这就需要我们改造一下二分查找的实现。
java 实现
public int[] searchRange(int[] nums, int target) {
// 参数校验
if(nums == null) {
// 或者抛出异常
return null;
}
int first = binarySearchFirst(nums, target);
int last = binarySearchLast(nums, target);
return new int[]{first, last};
}
/**
* 二分法找到的元素第一次出现的位置
* @param nums 数组
* @param target 目标值
* @return 结果下标
*/
private static int binarySearchFirst(int[] nums, int target) {
int low = 0;
int high = nums.length - 1;
while (low <= high) {
int mid = (low + high)/2;
if(target == nums[mid]) {
// 调整一下返回的条件
// 如果是第一个元素，获取上一个元素不等于当前元素
if(mid == 0 || (nums[mid-1] != target)) {
return mid;
} else {
// 否则的话，high 调整为 mid 的上一个位置
high = mid-1;
}
} else if(target < nums[mid]) {
// 偏大
high = mid-1;
} else {
low = mid + 1;
}
}
// NOT FOUND
return -1;
}
/**
* 二分法找到的元素最后一次出现的位置
* @param nums 数组
* @param target 目标值
* @return 结果下标
*/
private static int binarySearchLast(int[] nums, int target) {
int low = 0;
int high = nums.length - 1;
while (low <= high) {
int mid = (low + high)/2;
if(target == nums[mid]) {
// 调整一下返回的条件
// 如果是第一个元素，获取上一个元素不等于当前元素
if(mid == nums.length-1 || (nums[mid+1] != target)) {
return mid;
} else {
// 否则的话，low 调整为 mid 的下一个位置
low = mid+1;
}
} else if(target < nums[mid]) {
// 偏大
high = mid-1;
} else {
low = mid + 1;
}
}
// NOT FOUND
return -1;
}
效果：
Runtime: 0 ms, faster than 100.00% of Java online submissions for Find First and Last Position of Element in Sorted Array.
Memory Usage: 42.6 MB, less than 23.21% of Java online submissions for Find First and Last Position of Element in Sorted Array.
这是优化的尽头吗？
反思
上面的解法，实际上已经是《剑指 Offer》 中令面试官满意的答案了。
书中到这里内容也就结束了，如果面试微软，也许这种解法算是通过。
不过如果换做老马，肯定还会问你一个问题：
你还能针对上面的实现继续优化吗？
更进一步的优化
下面都是老马自己的思考，可以为大家提供一点思路。
我们举一个例子：
列表如下，目标元素为 3.
1 2 3 3 3 3 4 5
我们的优化解法中，获取开始位置，都是从开始到结尾这个范围去找到。
（1）第一次出现，找到下标为 2 的 元素3。
（2）最后一次出现，找到下标为 5 的元素3。
实际上查找最后一次出现的时候，没必要从开始 1 查找，而应该从第一次出现的位置开始查找，这样可以进一步优化查找的时间。
java 实现
public int[] searchRange(int[] nums, int target) {
// 参数校验
if(nums == null) {
// 或者抛出异常
return null;
}
int first = binarySearchFirst(nums, target);
int last = binarySearchLast(nums, target, first);
return new int[]{first, last};
}
/**
* 二分法找到的元素第一次出现的位置
* @param nums 数组
* @param target 目标值
* @return 结果下标
*/
private static int binarySearchFirst(int[] nums, int target) {
int low = 0;
int high = nums.length - 1;
while (low <= high) {
int mid = (low + high)/2;
if(target == nums[mid]) {
// 调整一下返回的条件
// 如果是第一个元素，获取上一个元素不等于当前元素
if(mid == 0 || (nums[mid-1] != target)) {
return mid;
} else {
// 否则的话，high 调整为 mid 的上一个位置
high = mid-1;
}
} else if(target < nums[mid]) {
// 偏大
high = mid-1;
} else {
low = mid + 1;
}
}
// NOT FOUND
return -1;
}
/**
* 二分法找到的元素最后一次出现的位置
* @param nums 数组
* @param target 目标值
* @param low 开始位置
* @return 结果下标
*/
private static int binarySearchLast(int[] nums, int target, int low) {
// 快速失败
if(low == -1) {
return -1;
}
int high = nums.length - 1;
while (low <= high) {
int mid = (low + high)/2;
if(target == nums[mid]) {
// 调整一下返回的条件
// 如果是第一个元素，获取上一个元素不等于当前元素
if(mid == nums.length-1 || (nums[mid+1] != target)) {
return mid;
} else {
// 否则的话，low 调整为 mid 的下一个位置
low = mid+1;
}
} else if(target < nums[mid]) {
// 偏大
high = mid-1;
} else {
low = mid + 1;
}
}
// NOT FOUND
return -1;
}
效果：
Runtime: 0 ms, faster than 100.00% of Java online submissions for Find First and Last Position of Element in Sorted Array.
Memory Usage: 42.5 MB, less than 23.21% of Java online submissions for Find First and Last Position of Element in Sorted Array.
收获
有时候 beat 100% 也不见得我们的解法就是最优的，因为测试案例实在还是太少了。
实际工作中，小伙伴们能写出第一种实现，基本已经够了。
如果去微软面试，至少需要知道第二种算法。
如果面试的童鞋看过《剑指 offer》 ，那就应该让他想出至少最后一种优化才算面试通过。
开源地址
为了便于大家学习，所有实现均已开源。欢迎 fork + star~
小结
希望本文对你有帮助，如果有其他想法的话，也可以评论区和大家分享哦。
各位极客的点赞收藏转发，是老马持续写作的最大动力！
参考资料
- 顺序查找
https://www.cnblogs.com/yw09041432/p/5908444.html
https://www.jb51.net/article/53863.htm
https://blog.csdn.net/jiandanokok/article/details/50517837
- 二分查找
https://www.cnblogs.com/ider/archive/2012/04/01/binary_search.html
更多学习
更多实时资讯，前沿技术，生活趣事。尽在【老马啸西风】
交流社群：[交流群信息](https://mp.weixin.qq.com/s/rkSvXxiiLGjl3S-ZOZCr0Q)
