力扣刷题效率翻倍：手把手教你搭建个人题解汇总体系

刷力扣刷到三百多题的时候，我发现自己陷入了一个很尴尬的状态：题做了不少，但回头想找一道之前写过的解法，翻半天翻不到，或者找到了当时的代码，却完全想不起来当时为什么这么写。后来我花了两周时间，把做过的题和收藏的题解重新过了一遍，从零开始整理了一份“力扣优秀题解汇总”。这份汇总不是简单收藏几个链接，而是把题目、题解、思路、复杂度、标签全部串起来，形成一套能直接用来复习和检索的资料库。做完之后，刷题效率明显不一样了，复习的时候也不再像没头苍蝇一样乱翻。

这篇文章就把我整理题解汇总的完整思路、筛选标准、分类方法，以及我踩过的坑全部写出来。不管你是刚开始刷题的新手，还是刷了几百题想系统性复习的老手，这份汇总方法都可以直接参考。我不打算讲大道理，只讲实际操作怎么搞。

1. 题解汇总到底在解决什么问题

1.1 先说说我为什么开始整理题解

刷力扣的人大概都经历过这几个阶段。第一阶段是跟着题号刷，从第1题两数之和开始，刷到第50题左右就会遇到瓶颈，因为题目难度开始波动，有些简单题其实藏了很深的数学原理，有些中等题反而是模板题的变体。第二阶段是开始刷“热题100”，这个阶段大部分人会把题过一遍，但过完之后记忆留存率很低——做了后面的忘了前面的。第三阶段才是真正的分水岭：有些人开始按专题刷，比如专门刷动态规划、专门刷二叉树，但这个阶段如果没有一个系统的整理机制，很容易刷到某个专题深处就迷路。

我的问题出在第二阶段到第三阶段之间。有一次面试前复习，我想找一道“接雨水”的题解对比一下双指针和解法，结果发现我收藏夹里有七八个版本，有的来自题解区高赞，有的来自评论区，还有的是我当时的随手记录，但问题是这些内容散落在不同地方，而且没有一个统一的格式，根本没法快速对比。

所以整理题解汇总，本质上是在解决三个问题：第一，把分散的知识点集中到一处；第二，用统一的格式把不同题的解法标准化，方便对比和回顾；第三，给每道题打上标签，让“刷过但忘了”变成“一搜就能找到”。这个整理过程本身也是一种深度学习，因为你在整理的时候必须重新理解每道题的解法，而不是简单复制粘贴。

1.2 一份好的题解应该长什么样

很多人以为题解就是“题目描述加代码”，这是最大的误解。我在整理过程中逐渐形成一个标准：一份合格的题解必须包含五个部分——题目分析、思路推导、代码实现、复杂度分析、易错点提示。缺了任何一个部分，这道题的复习价值都会大打折扣。

题目分析不是复制题目原文，而是用一句话说清楚“这道题本质在考什么”。比如“腐烂的橘子”这道题，表面看是一个二维数组遍历，本质是多源广度优先搜索，也就是BFS的变种。如果你能在题解里写清楚这个本质，下次遇到类似题目，你就能自动归类到BFS题型的复习列表里。

思路推导是题解的核心。我要求自己必须写清楚“为什么这么想”而不是只写“这么写”。就拿动态规划题来说，光是列出dp数组的定义还不够，还要写出状态转移方程是怎么推出来的，初始化和遍历顺序是怎么确定的。这个部分写多了会显得啰嗦，但复习的时候你会发现，真正能帮你重建思路的，正是这些推导过程。

代码实现方面，我给自己定了一个规矩：每道题只保留一种最优解法的主代码，其他解法只写思路不写完整代码。这样每个题解文件保持精简，不会因为塞了太多代码而变得臃肿。

1.3 汇总不是收藏夹，是知识体系

收藏夹和知识体系最大的区别，在于有没有“索引”。收藏夹是一堆文件的堆叠，你收藏的时候很爽，但要用的时候根本想不起来收藏了什么。知识体系则是在文件之上加了一层结构，让每份内容都有明确的位置和关联。

我当时做汇总时，先建了一个总README作为导航页，里面按标签列出所有题目。然后每道题一个独立Markdown文件，文件名格式统一为“编号_题目名称_难度_核心标签.md”，比如“0994_腐烂的橘子_中等_BFS.md”。这样光看文件名就能对题目有个初步印象，搜索时也方便。

更重要的是，我在每道题的题解文件里都加了一行“关联题目”，把解法思路相近的题链接起来。比如“腐烂的橘子”会关联“岛屿数量”（同样是二维网格遍历）、“地图分析”（同样是多源BFS）、“01矩阵”（同样是BFS分层）。这样当你复习一道题时，可以顺藤摸瓜把一类题全部过一遍，形成网状知识结构。

2. 优秀题解的筛选标准与分类方法论

2.1 我筛选题解用的五条硬标准

力扣题解区的内容鱼龙混杂，高赞不一定高质量，低赞也可能藏着宝藏。我筛选题解时用了五条硬标准，每一条都是踩过坑之后总结出来的。

第一条是“必须讲清楚复杂度”。很多题解代码贴完就结束，连时间复杂度都不分析，这种题解直接淘汰。因为面试时手撕代码，面试官几乎必问复杂度，你平时不养成分析习惯，面试现场就会卡壳。

第二条是“优先选一题多解的题解”。同一个问题，暴力解、优化解、最优解之间的思维跃迁，才是刷题真正的价值所在。一篇只给一种解法的题解，相当于告诉你答案，但没告诉你为什么是这个答案。我遇到最典型的就是“两数之和”，暴力解是O(n²)，哈希表是O(n)，如果你只看哈希表版本，永远不知道优化是怎么发生的。

第三条是“评论区有真实讨论的优先”。这看起来有点奇怪，但实际操作很有用。力扣题解区高赞评论区经常有关于边界条件、测试用例的讨论，这些讨论往往比题解本身更能暴露问题。比如有些题目用递归解法会栈溢出，评论区一定会有人提到，这些信息能帮你提前避坑。

第四条是“代码风格干净优先”。我见过大量题解代码变量命名是a、b、c，或者一整个函数几十行没有空行，这种题解即使思路正确，阅读成本也太高。我自己整理时会重新整理代码格式，所以这条标准更多是在提醒自己，别把别人的烂代码直接搬进来。

第五条是“必须有可运行性验证”。有些题解思路看起来对，但实际提交会超时或漏边界。我整理每道题时都会亲手提交一次题解里的代码，确保能通过所有测试用例才收录，这条标准花时间最多，但也是整个汇总可信度的根基。

2.2 按数据结构分类：数组、链表、树、图

题解汇总的分类维度有很多种，我最终选择了“数据结构 + 算法范式”双维度分类，而不是简单的难度分类。因为难度的主观性太强，同一道题对不同基础的人来说难度完全不同，但数据结构是客观的，数组就是数组，树就是树。

数据结构维度我分了这些类：数组、字符串、链表、栈与队列、哈希表、树、图、堆、并查集、前缀树。每个大类下面是具体题目。比如树这个大类下，我又有二叉树遍历（前中后序）、二叉搜索树、最近公共祖先、树的序列化等子分类，每道题放进对应的子分类。

选择按数据结构分类的理由是：大多数人的思维习惯是从“看到什么”出发的。看到一道二叉树的题，你会先想到树，然后才想到这题用递归还是迭代。所以数据结构维度是人的直觉入口，适合作为首要索引。

2.3 按算法范式分类：BFS/DFS、DP、回溯、贪心

算法范式维度是我的第二个索引，也是复习时的核心索引。这个维度解决的是“我想练某类算法时，去哪里找题”的问题。

我分得比较粗：枚举与模拟、双指针与滑动窗口、二分查找、排序、贪心、递归与回溯、深度优先搜索DFS、广度优先搜索BFS、动态规划DP、图论算法（最短路径、最小生成树、拓扑排序）、位运算、数学技巧。每类下面同样挂题目。

这个维度的价值在于，它是按“解法”而非“题目”组织的，所以非常适合专题训练。比如连续一周专门练滑动窗口，就把滑动窗口类题目的题解全部过一遍，每道题对比不同窗口收缩策略的异同。这种训练方式比按题号刷效率高很多。

2.4 双维度交叉索引怎么做

两个维度单独存在还不够，真正的汇总精华在于交叉索引。我做法是在每道题的文件里同时写清楚两个维度，比如“腐烂的橘子”既是“图”分类下的题，又是“BFS/DFS”分类下的题。在README总索引里，我用表格维护了双维度交叉关系。

表格大致长这样：

这个表格是汇总的导航中枢。复习的时候，我只要看这个表格就能快速定位自己想找的题目，然后点进对应的Markdown文件看详细题解。刚开始建表格可能觉得多了一道工序，但题量大了之后，这张表带来的检索效率提升是巨大的。

3. 用经典题目拆解一份“标杆题解”

3.1 腐烂的橘子：为什么每份优秀题解都绕不开它

“腐烂的橘子”是力扣第994题，热搜词里也有“力扣腐烂的橘子是什么题型”，说明很多人对这题的类型感到困惑。从题型角度说，这是一道典型的图论BFS题，而且不是单源BFS，是多源BFS——所有腐烂的橘子同时开始向外扩散，而不是从一个点开始扩散。这个“同时”是整个题目的关键。

如果你一开始就意识到这是多源BFS，这题就成功了一半。相反，如果被“腐烂扩散”这个比喻带偏，试图用DFS递归去做，就会陷入“每扩散一次要扫一遍全图”的困境，复杂度直接爆炸。

优秀题解会怎么拆解这道题？首先把题目建模，把二维网格看成图，每个格子是节点，相邻的上下左右是边。“腐烂的橘子”就是图中的源点，新鲜橘子是会感染的节点，空格子是不可达区域。然后判断这是BFS还是DFS——题目要求的是“感染所有新鲜橘子所需的最短时间”，而BFS天然是按层扩散的，所以BFS是正解。

3.2 从题目拆解到多解法对比

整理这题题解时，我记录了两种解法思路进行对比，这才是题解的精华所在。

解法一，也是常规解法，使用队列实现多源BFS。第一步遍历整个网格，把所有腐烂橘子入队，同时统计新鲜橘子个数。第二步BFS循环，每次从队列取出当前层的腐烂橘子，向四个方向感染新鲜橘子，被感染的橘子入队并标记为下一层，同时新鲜橘子计数减一。第三步，循环结束后判断新鲜橘子是否全部被感染，如果还有剩余，返回-1，否则返回扩散的层数减一（因为初始腐烂橘子的时间是第0分钟）。

解法二，也是我在评论区看到有人提的“倒推法”，思路更巧妙。既然每个新鲜橘子都会被离它最近的腐烂橘子感染，那么可以先对每个新鲜橘子做一次单源BFS，找出所有新鲜橘子到最近腐烂橘子的最小距离，然后取最大值（如果有新鲜橘子根本到达不了，返回-1）。这个思路在代码上更繁琐，但从思路上反而是“反向多源BFS”的变体。

我推荐的写法是解法一，因为它更贴合“同时扩散”这个语义，而且实现代码更短。但题解里保留了两种思路的对比，复习时可以看到同一个问题可以从正反两个方向切入。

3.3 复杂度分析和边界条件怎么写在题解里

这道题的复杂度分析是整理题解时必须写清楚的部分。多源BFS解法的时间复杂度是O(N×M)，N和M分别是网格的行数和列数，因为每个格子最多入队一次。空间复杂度也是O(N×M)，最坏情况是队列里装着接近全部格子。

边界条件部分，我写题解时总结了三个容易翻车的点。第一个是网格为空的情况，直接返回0。第二个是新鲜橘子根本不会被感染的情况，比如被空格全包围，BFS结束后新鲜橘子计数不为0，返回-1。第三个是初始状态就没有新鲜橘子，所有格子要么是空格要么已经是烂橘子，这时应该返回0而不是-1，这个点很多人会写错。

关于第三个边界条件，我实际整理时发现至少有三分之一的题解代码在这里出错，说明这个问题有很强的隐蔽性。所以我在题解的“易错点”部分专门用一段话强调了：循环结束后的返回值判断，必须是“如果新鲜橘子计数大于0返回-1，否则返回时间”，而不是“如果时间等于初始值返回-1”。

4. 基于汇总制定的刷题路线

4.1 热题100的正确打开方式

“力扣热题100”是大多数人的入门必刷清单，但很多人刷的方式是“按照榜单顺序从第1题刷到第100题”，这是效率最低的方式。榜单顺序是综合热度和难度排序的，不是按知识点递进排序的，你可能会在第5题遇到一个需要贪心思想的题，在第20题又重新遇到一个更基础的贪心题，知识没有递进性。

我整理完题解汇总之后，根据汇总里的分类标签，把热题100重新按专题拆分了。具体做法是：先按“数组、链表、树、动态规划、图”把100道题分类，然后在每个分类内部，再按难度从简单到困难排序。这样刷完数组类的所有简单题，再刷数组中等的题，知识是有递进的，不会出现题目之间完全孤立的情况。

这个过程做下来，我有一个强烈感受：热题100的价值不在于“100道题”这个数量，而在于它覆盖了约30种核心题型。你把它拆成30个题型，每个题型精做三四道，掌握的广度和深度，远超从头到尾刷一遍的效果。

4.2 按专题刷还是按难度刷：我的路线规划

整理了汇总之后，我给自己规划了一条“三轮复习”路线，这里分享出来供参考。

第一轮，按专题刷基础题。目标是建立知识框架。每个专题先看汇总里的模板题，把模板题的解法吃透，再做两三道变体题。比如链表专题，先做“反转链表”（模板），再做“反转链表II”（区间反转）、“K个一组翻转链表”（进阶）。这个阶段不求数量，求理解。

第二轮，按难度刷综合题。第一轮建立了专题知识，第二轮就要混合起来。这时候主要刷“热题100”里还没刷过的题，以及随手翻难度适中的题。这个阶段的核心目的是训练“看到题目，快速判断属于哪个专题”的能力——这正是面试手撕代码最需要的能力。

第三轮，按错题和薄弱专题刷。汇总里每道题都记录了首次提交时的状态和错误原因，第三轮就专门找出那些没一次通过的题，以及评论区反复强调易错的题，重新做一遍。这个阶段是提分最明显的阶段，因为每个人的薄弱点都不同，只有针对自己的短板补才是最有效率的。

4.3 ICPC/竞赛题解对面试刷题的补充价值

热词里出现了“ICPC网络赛2025题解”“2023ICPC西安区域赛题解”，这引出一个很多人问的问题：竞赛题解到底对面试刷题有没有用？我的看法是，有用，但不能直接拿来作为面试复习主力。竞赛题解的思维强度、代码实现复杂度都远超面试题目，它们更像是一种“拓展训练”而不是“应试训练”。

我在汇总里单独建了一个“竞赛扩展”目录，专门收录一些竞赛题的经典思路。我不会把竞赛题放进主要分类里，而是放在一个独立区域，用于拔高思维。比如ICPC区域赛里有很多关于扫描线、斜率优化DP、平衡树的高级数据结构题，这些内容面试基本不会直接考，但理解它们能帮你在面对困难题时打开思路。

如果你处在面试准备阶段，竞赛题解不需要刷太多，每周挑一道区域赛中等难度的题看看题解思路，开阔一下视野就够了。核心精力还是要放在力扣题库和面试高频题上。如果是为了打竞赛，那赛题复盘才是真正的刚需，要把每次比赛的题解都整理进自己的体系里，形成“错题本+思路本”双份资料。

5. 题解汇总的工具链与落地方法

5.1 用Markdown加Git管理题解仓库

汇总的载体我选择了Markdown文件，配合Git做版本管理。选择Markdown而不是在线文档，理由很简单：离线可读、格式通用、可以本地全文搜索。选择Git的理由更直接——我需要追踪每次改动的内容，比如某道题的题解更新了思路，我希望能看到改动记录，这本身就是一种复习。

仓库结构我设计成这样：

code复制leetcode-notes/
├── README.md                # 总索引，含双维度交叉表
├── by-topic/                # 按专题分类的题解
│   ├── 01-array/
│   ├── 02-linked-list/
│   ├── 03-tree/
│   ├── 04-dp/
│   └── ...
├── by-algorithm/            # 按算法范式分类的快捷映射
│   ├── bfs-dfs.md
│   ├── backtracking.md
│   └── ...
├── contest/                 # 竞赛补充
└── templates/               # 题解模板和速查表

其中by-topic是主目录，每道题一个文件；by-algorithm是映射文档，只做索引不重复放题解，避免一处修改多处同步的维护问题。这个设计是踩过重复内容不同步的坑之后确定的。

5.2 自动化脚本：批量抓取题目信息

手动为每道题建立Markdown文件，初始化的时候非常痛苦，因为每道题都要填题号、难度、标签、题目链接。我写了一个Python脚本，从力扣的题库接口拉取题目元信息，自动生成文件头。

脚本核心逻辑很简单：

python复制import requests
import json

def fetch_problem_info(slug):
    url = "https://leetcode.cn/graphql/"
    payload = {
        "query": """
        query problemInfo($titleSlug: String!) {
          question(titleSlug: $titleSlug) {
            questionFrontendId
            title
            difficulty
            topicTags { name slug }
            translatedTitle
            titleSlug
          }
        }
        """,
        "variables": {"titleSlug": slug}
    }
    resp = requests.post(url, json=payload)
    data = resp.json()["data"]["question"]
    return {
        "id": data["questionFrontendId"],
        "title": data["translatedTitle"] or data["title"],
        "difficulty": data["difficulty"],
        "tags": [t["name"] for t in data["topicTags"]],
        "slug": data["titleSlug"]
    }

def generate_markdown(info):
    header = f"""# {info['id']}. {info['title']}

- 难度：{info['difficulty']}
- 标签：{'、'.join(info['tags'])}
- 链接：https://leetcode.cn/problems/{info['slug']}/

## 题目分析
<!-- 在这里写题意本质 -->

## 思路推导
<!-- 在这里写思考过程 -->

## 代码实现
```python
# code here

复杂度分析

• 时间复杂度：
• 空间复杂度：

易错点

关联题目

"""
return header

if name == "main":
slug = input("输入题目 slug：")
info = fetch_problem_info(slug)
print(generate_markdown(info))

code复制
跑一遍脚本就能生成一个带完整头部信息的题解文件，剩下只需要补充思路和代码。这个脚本帮我省了大量重复劳动，也让每道题的元信息完全一致，不会出现有的题没写标签、有的题链接格式不一样的情况。

### 5.3 Obsidian或Notion的标签体系作为辅助

如果你不想折腾Git仓库和脚本，也可以用Obsidian或Notion这类笔记工具来管理题解。Obsidian的特点是本地存储、双链笔记、支持标签系统，非常适合做知识关联；Notion则是线上同步方便，数据库和表格视图对筛选友好。

我试过用Obsidian作为补充工具，核心用法是给每道题打多个标签，然后用标签作为筛选条件，生成动态视图。比如我搜索“#BFS #图”，Obsidian会列出所有同时带这两个标签的笔记，效果和我的Markdown交叉索引表类似，但自动化和动态性更好。

如果你从零开始，我建议先用最朴素的Markdown加Git方案，因为它数据格式透明，不受工具限制，以后想迁移到任何平台都容易。等题量积累到一定程度，再考虑添加Obsidian双链或者数据库视图增强检索体验，不要一开始就把工具链搞得太复杂，容易陷入“整理工具而不是整理题解”的陷阱。

## 6. 整理题解时踩过的坑与避坑指南

### 6.1 常见问题与排查实录

整理题解汇总的过程中，我遇到了不少问题，这里挑几个有代表性的，按“现象 - 原因 - 解决方案”的格式记录下来。

第一个典型问题是“题解文件命名不统一”。初期我有的文件用“题目名称.md”，有的用“题号_题目名称.md”，结果到后面发现按名字搜不到题号，按题号搜不到名字。后来我强制统一命名为“题号_题目名称_难度_核心标签.md”，并写了个脚本把所有文件名批量改掉，从此再没出现过文件名歧义。

第二个问题是“一道题在不同分类下重复收录，内容不同步”。我一开始把一道题同时放在“树”和“DFS”两个目录下，各写了一份题解，后来某次给其中一份补充了“递归改迭代”的优化思路，另一份没同步。这个问题最隐蔽，直到复习时发现两份题解不一样才意识到。解决方案是前文提到的“单文件存放、多维度索引映射”，主文件只存一份，其余分类只存链接。

第三个问题是我初期大量“复制题解区高赞内容”，没有转化成自己的话。这样做的坏处是，复习时看自己“写”的题解，竟然像在看陌生人的文章，思路完全接不上。后来我给自己定下规矩：思路部分一定要用自己的话重写一遍，如果这道题我没完全理解，那就先把题理解透了再写，而不是直接把别人的内容搬过来。这个改动大大提升了汇总的复习价值。

### 6.2 几个容易翻车的细节

有几个细节虽然小，但翻车后很影响使用体验。

第一个是链接失效问题。力扣题解的URL里包含题目的slug，slug一般保持稳定，但如果你复制的是带中文或者带多余参数的URL，一段时间后可能出现访问异常。我统一改用题目页面的标准URL，格式类似“https://leetcode.cn/problems/two-sum/”，把技巧链接都去掉，稳定性明显提升。

第二个是难度标记和标签的跨语言不一致。力扣中文站的标签是中文，英文站是英文，我汇总里统一使用中文站的标签名，这样整理时不用来回翻译。但如果你在英文站刷题，看到的中文标签名对应不上英文名，可能会找不到题。解决办法是在总索引表里同时保留中英文标签，或者固定的“中文名->英文名”映射表。

第三个是代码块语言标注，看似小事但影响很大。我在整理初期顺手把代码块语言标注成“c++”或者“python3”，但不同题解平台渲染Markdown时，语言标注大小写不敏感问题不大，问题是如果用“py”这种不标准写法，某些渲染器会识别失败，代码块没有高亮。统一使用标准写法后，这个问题就解决了：Python用“python”，C++用“cpp”，Java用“java”。

第四个是个“时间戳”问题。题解里标注“最后更新时间”是一个好习惯，因为算法题的题解思路是会长进的，也许半年后你会找到更优解法。我在每道题文件末尾加了一行“最后更新：YYYY-MM-DD”，每次修改内容时更新，久而久之这个时间戳就成了一面镜子，让我知道哪些题很久没碰过了，该复习了。

### 6.3 整理频率和维护节奏

最后说说汇总的维护节奏。我的经验是，不要试图一次性把所有题解整理完，那样工程量太大会中途放弃，而且大量整理反而导致每道题的总结质量下降。更合理的方式是“随刷随整”，每做完一道题就立刻整理对应的题解文件，当天完成，不积压。

我给自己定的节奏是：每天刷两到三道新题，每道题整理十五到二十分钟，周末花半小时整体巡检一次，看看有没有标签遗漏、链接失效、格式不一致的问题。这个节奏不会占用太多刷题时间，又能保证汇总持续更新。

还有一个小技巧，就是“错题重做”后要主动更新题解文件。比如某道题第一次没做出来，看题解才写出来，过了一周重做通过了，我会在题解文件里把“第一次做错原因”和“重做后的理解”记录下来。这种前后对比的记录，是题解汇总里最有价值的资产，因为它是完全属于你个人的成长档案，是任何官方题解都给不了你的。

整理力扣题解汇总这件事，看起来是体力活，实际做下来更像是在给自己搭建一套私人的算法知识库。每一道题的文件，都是你和这道题之间的一次对话记录。等你积累到几百题，再回头看这套汇总，你会发现它已经成了你最趁手的复习工具，也是你面试前最踏实的底气来源。