博客
关于我
pat乙级1010【简单模拟】
阅读量:551 次
发布时间:2019-03-09

本文共 563 字,大约阅读时间需要 1 分钟。

以下是用C++实现的程序,用于读取输入并处理两个变量coe和exp的值。程序的主要逻辑如下:

#include 
using namespace std;int main(){ int coe, exp, flag = 0; while (cin >> coe >> exp) { if (exp != 0) { if (flag == 1) { cout << " "; } cout << coe * exp; cout << " "; } else { if (flag == 0) { cout << "0 0"; } } flag = 0; }}

在这个程序中,变量flag用于控制输出时的空格。当exp不为零时,程序会输出coe与exp的乘积。如果flag已经为1,则在乘积前添加一个空格。否则,直接输出乘积并添加一个空格。如果exp为零且flag为0,则输出"0 0"。程序通过循环不断读取输入数据并进行处理。

转载地址:http://vtzsz.baihongyu.com/

你可能感兴趣的文章
OJ中常见的一种presentation error解决方法
查看>>
OK335xS UART device registe hacking
查看>>
ok6410内存初始化
查看>>
one_day_one--mkdir
查看>>
OpenCV 中的图像转换
查看>>
OpenCV-Python接口、cv和cv2的性能比较
查看>>
opencv5-图像混合
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
opencv保存图片路径包含中文乱码解决方案
查看>>
opencv图像分割2-GMM
查看>>