简介一份覆盖 LeetCode 全部题目的 Python 全套解答面向准备算法面试、希望系统提升数据结构与编程能力的开发人群也适合在校学生和初级工程师按主题自学。资源内容覆盖数组、链表、树、栈、队列等基础结构并深入排序、搜索、图论、动态规划、回溯等核心算法能够帮助读者从易到难建立完整的算法知识框架既支持按题刷练也便于面试前集中复盘通过大量实践熟悉高频题型并提升算法敏感度。全部文件按题目粒度组织每道题目都配有对应的说明文档与 Python 源码累计1160个文件其中579个.py为解答代码580个.md为题目描述与学习笔记另含1个.gitignore工程配置整体压缩后仅544KB轻量紧凑下载后即可离线翻阅和运行练习文件命名与题号对应方便快速定位。目前已有587人浏览学习。借助逐题对应的源码与文档读者可以边读题边调试深入理解每道题的解题步骤、边界条件与常见优化思路反复训练后还能提升逻辑思维和编码速度为技术面试和实际开发工作打下扎实基础。1. 这仓库不是答案集是题库地图先说一个反直觉的结论拿到一份 LeetCode 全套 Python 题解最容易犯的错是“把它当答案本”而正确的打开方式是“把它当地图”。我自己第一次拿到类似资源时直接翻到 hard 题的代码复制提交结果三天后回头看那题还是不会做。原因是题解能告诉你答案是什么但只有你亲自把题目过一遍答案才有意义。这份仓库里的每一道题对应一个 question.md组织上带有题目描述、思路、代码和复杂度它本身是一套可以照着刷、照着比对、照着复盘的结构化题库而不是让你“收藏即学会”的 PDF。适合谁适合准备算法面试的 Python 开发、想系统补数据结构基础的同学以及需要一份随时能查的代码参考的从业者。掏出这份资源的第一步不是打开某道题而是先搞清楚它的文件结构让它可以被检索、被筛选、被复用。2. 仓库文件结构每个 question.md 是好用的前提2.1 为什么用 markdown 组织而非目录式答案仓库里大量存在的 question.md 不是随便建的一堆文件而是一种“每个问题一文档”的组织策略。相比把一百道题塞进一个大 README每题独立成文件的好处有两点一是你能按题目编号精准定位二是你用 grep 或文件遍历就能按关键词检索而不是在长文里翻页。我的习惯是拿到这样的仓库后先不急着看代码而是先写一个遍历脚本看看它到底覆盖了多少题、分布在哪些子目录。import os from pathlib import Path repo_root Path(leetcode-python) md_files sorted(repo_root.rglob(question.md)) print(f共找到 {len(md_files)} 个 question.md) for md in md_files[:10]: print(md.relative_to(repo_root))在调用时把 repo_root 指向解压后的目录即可。rglob 会递归查找所有名为 question.md 的文件排序后便于肉眼核对编号如果你发现某些题目使用了英文名比如 two-sum.md也可以把匹配模式改成 *.md再结合名称前缀过滤。这一步不写代码光是文件清单就能看出仓库的覆盖面和命名习惯为后面的筛选打下基础。2.2 统计难度和标签决定你先刷哪一批很多题解文档里会写难度、标签、复杂度但文件一多你就看不清整体分布。我一般会写一个简单的统计脚本把每个 question.md 的标题行和标签字段抽出来聚合这样能一眼看出仓库里 easy / medium / hard 的比例以及哪些 tag 出现得最多避免一上来就撞进 hard 题堆里。import re from collections import Counter from pathlib import Path repo_root Path(leetcode-python) tag_counter Counter() diff_counter Counter() for md in repo_root.rglob(question.md): text md.read_text(encodingutf-8) diff_match re.search(r难度[:]\s*(简单|中等|困难|Easy|Medium|Hard), text) diff_counter[diff_match.group(1) if diff_match else 未知] 1 tag_match re.search(r标签[:]\s*([^\n]), text) if tag_match: tags [t.strip() for t in re.split(r[,\s], tag_match.group(1)) if t.strip()] tag_counter.update(tags) print(难度分布:, dict(diff_counter)) print(高频标签 Top 10:, tag_counter.most_common(10))这段代码的正则只匹配“难度:”和“标签:”两种写法如果你的仓库用的字段名不同把正则里的中文词改成对应字段即可。正则表达式里我刻意兼容了中文冒号和英文冒号实际使用中这能省掉很多编码和标点带来的小麻烦。看到统计结果以后你的第一个筛选动作就有了依据如果标签里动态规划、贪心、二分法出现次数不多那你完全可以把刷题重心先放在数组、链表、哈希表这些基础标签上。2.3 新题补充模板让仓库变成你的私人题库这套资源的问题在于LeetCode 新题持续在出你手头这份快照不可能每次都是最新的。我更推荐把它当作基础然后在本地维护一个“新题补充区”用统一的 markdown 模板记录每一题字段齐全才能被上面的统计脚本继续识别。--- id: 1001 title: 示例题目 difficulty: Medium tags: [哈希表, 前缀和] time_complexity: O(n) space_complexity: O(n) --- ## 题目描述 ## 思路 ## 代码 ## 自测用例在仓库根目录建一个new-problems/把新题按此模板逐个填进去。id 字段建议从资源最后一道题的编号往后排避免冲突time_complexity 和 space_complexity 不只写给人看也方便以后用脚本统一校验。这个模板的好处是它和你已有的题解文档格式一致统计脚本、检索脚本不用改就能覆盖新增内容等于把“一次性下载资源”变成了“长期维护的本地题库”。3. 刷题路线从 100 题高频题目入手3.1 先把热门 100 题筛出来仓库里即便是全套题解你也不可能两周刷完。现实一点的做法是锁定 LeetCode 热门 100 题这类公认高频清单先把它们的题号列出来再在仓库里逐个定位对应的 question.md。这样做的理由是面试考察的算法类型高度集中热门 100 题覆盖了多数核心考点能把它们吃透收益远高于把 300 道冷门题各看一遍。from pathlib import Path repo_root Path(leetcode-python) hot_ids {1, 2, 3, 5, 10, 15, 20, 21, 22, 23, 31, 32, 33, 34, 39, 42, 46, 48, 49, 53, 55, 56, 62, 64, 70, 72, 75, 76, 78, 79, 84, 85, 94, 96, 98, 101, 102, 104, 105, 114, 121, 124, 128, 136, 139, 141, 142, 146, 148, 152, 155, 160, 169, 198, 200, 206, 207, 208, 215, 221, 226, 234, 236, 238, 239, 240, 253, 279, 283, 287, 297, 300, 301, 309, 312, 322, 337, 338, 347, 394, 406, 416, 437, 438, 448, 461, 494, 538} found [] for num in hot_ids: candidates list(repo_root.rglob(f{num}*)) if candidates: found.append(candidates[0]) print(f热门题目中匹配到 {len(found)} 题)这段代码用 rglob 按题号前缀匹配文件适用于目录名或文件名以数字开头的仓库结构。如果你的资源里文件名是 “1_question.md” 或 “0001.md”把 f{num} 改成 f{num}_ 或 f{num:04d}*” 即可。匹配到以后我建议把 found 列表导出成一个 review_queue.txt每行一个题目路径后面的复习脚本直接消费它。3.2 分类递进先数据结构后算法看到“全套解答”新手的冲动往往是从第一题顺序刷到尾。更稳的顺序是数组与哈希表 → 链表与双指针 → 栈与队列 → 二叉树与递归 → 排序与二分 → 动态规划与回溯。这套顺序的背后的逻辑是前面的数据结构是后面算法的载体比如动态规划的迭代版本很难脱离数组和哈希表来理解二叉树递归没写熟就去碰回溯大概率是看着题解都费劲。在仓库里做这种分类递进最有效的手段不是靠记忆而是给每一题打一个“当前阶段”标记比如在 question.md 顶部加一个 stage 字段然后在刷题时用脚本只显示当前 stage 的题目。你不用改动原仓库文件可以建一个 stage_index.csv 用题号来映射阶段避免了把别人的资源改得面目全非。3.3 每日节奏与三天复习轮询刷题最怕的是“今天刷了十题下周忘了一半”。我自己的做法是给每道题安排三天的复习周期当天刷完第二天只看思路不看代码试图复现第三天再用代码模板写一遍。靠日历提醒不现实最后我写了个简单的轮询脚本。import datetime from pathlib import Path queue_path Path(review_queue.txt) lines [l.strip() for l in queue_path.read_text().splitlines() if l.strip()] today datetime.date.today().isoformat() print(f今日 {today} 复习队列) for line in lines: print(f- {line}第 {lines.index(line) 1} 天)脚本逻辑不复杂就是把队列逐行打印出来。参数上你可以自己调整如果想按“第 1、3、7 天复习”的间隔可以扩展成用字典记录每天的日期再用 datetime 计算下次复习日。轮询脚本的核心不是花哨而是让你打开终端就能看到今天该看哪几题把“复习”这个动作从脑子里搬到命令行里具体执行的时候反而省力。4. 避坑五个让我翻过车的常见问题4.1 一上来就刷 hard三天后信心崩了现象下载资源后直奔难度最高的题目比如二叉树的序列化与反序列化、编辑距离这类看得懂题目但写不出代码反复对照题解还是卡在状态转移。 原因hard 题往往是多个基础算法叠加再加一个边界细节基础不牢时读题解只能得到“每行代码的含义”得不到“为什么会想到这样设计”。 解决先跑一遍难度统计脚本把 easy 和 medium 的题目单独导出把 hard 题放进“仅看思路”列表至少等链表、二叉树、哈希表三类基础题各刷满 20 题再回头啃 hard。4.2 只抄题解不做复杂度分析现象把题解代码复制到本地跑一遍通过了面试官问“时间复杂度多少”当场卡住。 原因依赖资源的代码作为“标准答案”但题目文档里的复杂度字段没有内化。 解决每看完一道题强迫自己在编辑器里写一行注释时间复杂度和空间复杂度是什么。如果这道题的解法还有更优版本写清楚两种复杂度对比。这招不增加多少刷题时间但会让你在面试中对复杂度问题不再发怵。4.3 本地不测直接提交边界条件反复被罚时现象用题解代码跑示例用例没问题真正面试或周赛提交时遇到空输入、负数、单节点、重复值就崩。 原因示例用例与判定用例的覆盖范围差太多仓库里的解答未必每道题都附带完整测试文件。 解决把 question.md 末尾的自测用例单独抽出来或者自己补一组边界用例空数组、单元素、全相同、已排序、逆序、非常大 n。每道题写三五个断言跑过了再进下一个题。4.4 仓库里的代码版本较旧和本地 Python 不兼容现象在某些题目文档里看到 collections.OrderedDict 或 dict 的旧写法自己本地是 Python 3.10新代码风格用不顺手。 原因资源的代码编写时间和采集时间较早语法上不是每处都针对新版本优化。 解决如果只在本地练习直接用新语法重写题解函数在文档上保留一份原始代码另起一个 section 写新版实现。到这里还要检查一下自己的 Python 环境确认没装干净的话先正常安装解释器再跑这些脚本。4.5 刷完不整理一个月后找题靠猜现象刷了五十道题以后想回看某题的解法但想不起题号只能在文件夹里一层层翻。 原因没有建立题目索引也没有给每道题一个分类键。 解决在第 2 章的统计脚本基础上扩展出一个关键词检索脚本输入题目名称片段或 tag直接输出文件路径。比如输入“滑动窗口”把所有标签里含该词的 question.md 列出来。这个索引文件建议放在资源根目录更新频率是每刷完一道题追加一行。5. 面试冲刺用题解反向训练解题节奏5.1 从做题切换到“讲题”视角到了面试冲刺阶段看题解的最高效方式不再是阅读而是反向解析拿到一道题的 question.md 后先遮住“思路”和“代码”两个小节只看题目描述给自己五分钟开口讲一遍解题方向。讲完再打开思路部分对照重点看你遗漏了哪些边界条件或优化点。这个动作模拟的就是面试现场的“先说思路再写代码”规则能有效避免一上来就在白板上写码却毫无章法的尴尬。5.2 随机抽题模拟训练我从仓库里挑选了 60 道覆盖数组、链表、动态规划、回溯的中等题写了一个带计时器的抽题脚本。它每次随机选一道题打印题目路径并启动一个 15 分钟的倒计时时间到后提示你翻看 question.md 的题解自评。import random import time from pathlib import Path repo_root Path(leetcode-python) question_files list(repo_root.rglob(question.md)) random.shuffle(question_files) target question_files[0] print(f20 分钟内完成{target}) time.sleep(1200) print(时间到打开题解核对思路与复杂度)这里的 1200 秒对应 20 分钟你可以改成 90015 分钟或更短。随机抽题的逻辑是剔除你的“刷题次序惯性”因为面试不会只问你最近练过的题型。如果你觉得全量随机太散可以用第 3 章的 stage_index.csv 限制为当前阶段的题目集合再进入随机抽题。5.3 用手写代码还原题解中的核心模板资源里的题解代码偏向“可读优先”但面试白板场景更要求“结构清晰”。我习惯把每道题的代码压缩成一个“模板骨架”比如二叉树题先写递归终止条件、再写主逻辑动态规划题先写 dp 数组含义注释、再写转移方程。这样刷题时形成的代码风格到面试时不需要额外的语言转换。6. 验证与复盘把刷题时间花在刀刃上刷题资源的价值最后落在“用了多少”而不是“存了多少”。这也是我反复跟同事说的一句话资源本身不会让你变强变强的是你围绕资源建立的动作习惯。我推荐一个很轻但很有效的复盘仪式每道题刷完以后在 question.md 或本地笔记里写一张“一题三卡”第一行卡写核心思路第二行卡写复杂度第三行卡写自己这次踩到的错法。# 题目 16. 最接近的三数之和 - 题解卡排序后固定一个指针再用双指针收缩区间维护最小差值 - 复杂度卡排序 O(n log n)双指针 O(n^2)空间 O(1) - 错法卡我一开始没做排序就去尝试双指针导致移动方向没有依据这张卡不追求长篇大论每一行都能在你复习时快速唤回记忆。验证自己是否真正掌握我会不看题解手写一遍代码如果写不出来就只允许自己再看“题解卡”的第一行提示绝对不打开完整代码。如果两次都卡在同一逻辑说明这个考点还没消化我会把它标记为需要重点回看。这套验证办法对我自己有效的原因是它把“会不会做”从感觉问题变成了检查问题。从那以后我每次刷完题都会强制走一遍三卡流程再进入下一题新旧题目都这样处理清空资源里那些“存过就算会了”的假象。希望这个方法也能帮你在用这份题解时少走一点弯路。本文还有配套的精品资源点击获取