1. 问题背景与理解
今天我们来聊聊Leetcode上剑指Offer系列的一道经典题目——"数字1的个数"。这道题编号为剑指Offer II 162，看似简单，实则暗藏玄机。题目要求我们计算从0到n的所有整数中，数字1出现的总次数。
举个例子，当n=13时，我们需要计算0,1,2,3,...,13这些数字中所有1的个数。具体来说：
- 1包含1个1
- 10包含1个1
- 11包含2个1
- 12包含1个1
- 13包含1个1
所以总共有6个1。
这道题之所以被选入剑指Offer，是因为它考察了面试者对数字规律的观察能力和数学思维。在实际面试中，面试官可能会先让你给出暴力解法，然后逐步引导你寻找更优解。
2. 暴力解法分析
2.1 直观思路
最直观的解法就是遍历从1到n的所有数字，对每个数字逐位检查是否为1，然后累加计数。这种方法简单直接，容易想到。
python复制def countDigitOne(n):
count = 0
for i in range(1, n+1):
num = i
while num > 0:
if num % 10 == 1:
count += 1
num = num // 10
return count
2.2 时间复杂度分析
这种方法的时间复杂度是O(n*log n)，因为对于每个数字i，我们需要检查其所有位数（大约log i位）。当n很大时（比如10^9），这种解法会非常慢，无法在合理时间内完成。
2.3 暴力解法的局限性
虽然暴力解法在小规模数据上表现尚可，但在面试中仅给出这种解法通常是不够的。面试官期望看到更高效的解法，这就要用到数学规律了。
3. 数学规律解法
3.1 数字位分析
我们需要找到一个数学规律，能够直接计算出1在各个位上出现的次数，而不需要逐个数字检查。考虑数字的每一位（个位、十位、百位等），分别计算该位为1时有多少种可能。
以数字n=1234为例，我们来看百位上的1出现的次数：
- 百位数字是2，大于1
- 百位为1的数字范围是0100-0199,1100-1199
- 总共有2*100=200个1（因为更高位可以是0或1）
3.2 通用公式推导
对于任意数字n，我们可以按位计算1的个数。设当前位为digit，其权重为weight（个位=1，十位=10，百位=100等），则：
- 如果digit > 1：
该位1出现的次数 = (高位数字 + 1) * weight - 如果digit == 1：
该位1出现的次数 = 高位数字 * weight + 低位数字 + 1 - 如果digit == 0：
该位1出现的次数 = 高位数字 * weight
3.3 算法实现
基于上述规律，我们可以写出如下代码：
python复制def countDigitOne(n):
count = 0
weight = 1 # 当前位的权重，从个位开始
while weight <= n:
# 分解数字为高位、当前位、低位
high = n // (weight * 10)
current = (n // weight) % 10
low = n % weight
if current > 1:
count += (high + 1) * weight
elif current == 1:
count += high * weight + low + 1
else:
count += high * weight
weight *= 10 # 移动到下一位
return count
4. 算法正确性验证
4.1 小规模测试
让我们用n=13来验证算法：
- weight=1（个位）：
high=1, current=3, low=0
current>1 → count += (1+1)*1=2 - weight=10（十位）：
high=0, current=1, low=3
current==1 → count += 0*10 + 3 + 1=4
总计：2+4=6，与暴力解法结果一致。
4.2 边界情况
- n=0：结果为0
- n=1：结果为1
- n=10：个位1出现1次（1），十位1出现1次（10），总计2次
这些边界情况都能正确处理。
5. 复杂度分析与优化
5.1 时间复杂度
数学解法的时间复杂度是O(log n)，因为只需要遍历数字的每一位。对于32位整数最多只需32次循环，效率极高。
5.2 空间复杂度
仅使用了常数个变量，空间复杂度为O(1)。
5.3 可能的优化
虽然当前算法已经很高效，但可以考虑以下几点：
- 提前终止：当high为0且current为0时可以提前结束循环
- 位运算：某些情况下可以用位运算替代除法，但现代编译器通常会自动优化
6. 实际应用与扩展
6.1 类似问题
这种按位分析的思路可以推广到其他数字计数问题，比如：
- 计算数字0的个数
- 计算数字2-9的个数
- 计算数字"13"出现的次数等
6.2 实际应用场景
这类问题在实际中有多种应用：
- 数字统计分析：如统计某个数字在大量数据中出现的频率
- 页码计数：如打印书籍时计算需要多少个数字"1"
- 性能优化：某些算法中需要快速计算数字特征
6.3 扩展思考
如果将问题改为计算二进制中1的个数，就是著名的"汉明重量"问题，可以使用位操作技巧高效解决。这展示了不同进制下类似问题的不同解法。
7. 常见错误与调试技巧
7.1 常见错误
- 边界处理不当：忘记处理n=0或n=1的情况
- 权重更新错误：在循环中忘记更新weight或更新顺序不对
- 数字分解错误：高位、当前位、低位的计算有误
7.2 调试技巧
- 打印中间变量：在循环中打印high、current、low的值
- 小规模测试：先用小数字验证算法正确性
- 对比暴力解法：对于中等规模的n，用暴力解法验证结果
8. 面试技巧与回答策略
8.1 面试官期望
面试官通常希望看到：
- 先给出暴力解法，展示基本编程能力
- 分析暴力解法的问题，展示问题意识
- 逐步推导更优解，展示数学思维
- 处理边界条件，展示严谨性
8.2 回答策略
- 先明确问题：确认输入输出要求
- 提出暴力解法并分析复杂度
- 寻找规律，提出数学解法
- 验证算法正确性
- 讨论可能的优化和扩展
9. 代码实现细节
9.1 Python实现优化
Python的整数除法有两种：
- //：向下取整
- /：浮点除法
在本题中必须使用//，否则会导致错误。
9.2 其他语言实现
在C++/Java中需要注意整数溢出问题，特别是当n接近INT_MAX时。Python没有这个问题，因为它的整数大小只受内存限制。
9.3 测试用例
完整的测试应该包括：
- 小数字（0-20）
- 中等数字（100-1000）
- 大数字（10^8-10^9）
- 特殊数字（10^k, 10^k-1）
10. 总结与个人心得
这道题看似简单，但想要高效解决需要深入的数学洞察力。在实际编程中，我总结了以下几点经验：
- 数字问题往往可以分解到位来处理，这种分而治之的思想很重要。
- 数学规律有时比暴力计算更高效，但需要仔细验证。
- 边界条件处理是算法正确性的关键，不能忽视。
- 在面试中，沟通思考过程比直接给出答案更重要。
最后，这道题的变种很多，比如计算其他数字的出现次数，或者计算数字序列而不是单个数字。掌握这种按位分析的思路，可以解决一大类数字计数问题。