目录

一、题目内容

二、解题思路

三、代码 

一、题目内容

让我们一起来玩扫雷游戏！

给定一个代表游戏板的二维字符矩阵。 'M' 代表一个未挖出的地雷，'E' 代表一个未挖出的空方块，'B' 代表没有相邻（上，下，左，右，和所有4个对角线）地雷的已挖出的空白方块，数字（'1' 到 '8'）表示有多少地雷与这块已挖出的方块相邻，'X' 则表示一个已挖出的地雷。

现在给出在所有未挖出的方块中（'M'或者'E'）的下一个点击位置（行和列索引），根据以下规则，返回相应位置被点击后对应的面板：

如果一个地雷（'M'）被挖出，游戏就结束了- 把它改为 'X'。
如果一个没有相邻地雷的空方块（'E'）被挖出，修改它为（'B'），并且所有和其相邻的未挖出方块都应该被递归地揭露。
如果一个至少与一个地雷相邻的空方块（'E'）被挖出，修改它为数字（'1'到'8'），表示相邻地雷的数量。
如果在此次点击中，若无更多方块可被揭露，则返回面板。
 

示例 1：

输入: 

[['E', 'E', 'E', 'E', 'E'],
 ['E', 'E', 'M', 'E', 'E'],
 ['E', 'E', 'E', 'E', 'E'],
 ['E', 'E', 'E', 'E', 'E']]

Click : [3,0]

输出: 

[['B', '1', 'E', '1', 'B'],
 ['B', '1', 'M', '1', 'B'],
 ['B', '1', '1', '1', 'B'],
 ['B', 'B', 'B', 'B', 'B']]

解释:

示例 2：

输入: 

[['B', '1', 'E', '1', 'B'],
 ['B', '1', 'M', '1', 'B'],
 ['B', '1', '1', '1', 'B'],
 ['B', 'B', 'B', 'B', 'B']]

Click : [1,2]

输出: 

[['B', '1', 'E', '1', 'B'],
 ['B', '1', 'X', '1', 'B'],
 ['B', '1', '1', '1', 'B'],
 ['B', 'B', 'B', 'B', 'B']]

解释:

注意：

输入矩阵的宽和高的范围为 [1,50]。
点击的位置只能是未被挖出的方块 ('M' 或者 'E')，这也意味着面板至少包含一个可点击的方块。
输入面板不会是游戏结束的状态（即有地雷已被挖出）。
简单起见，未提及的规则在这个问题中可被忽略。例如，当游戏结束时你不需要挖出所有地雷，考虑所有你可能赢得游戏或标记方块的情况。

二、解题思路

1.点击的邻近八个方向需要查找是否有地雷M，有则改为地雷数目（1-8）。

2.若邻近的八个方向都没有地雷，则改为B，且递归查找八个方向的八个方向是否有地雷。

3.若直接点击为地雷M，则改为X。

三、代码 

[code]class Solution(object):
def updateBoard(self, board, click):
"""
:type board: List[List[str]]
:type click: List[int]
:rtype: List[List[str]]
"""
L = len(board)
W = len(board[0])
x = click[0]
y = click[1]
if board[x][y] == "M":
board[x][y] = "X"
return board

def dfs(x, y):
if x < 0 or x >= L or y < 0 or y >= W or board[x][y] not in "EM":
return
if board[x][y] == "M":
return
elif board[x][y] == "E":
count = 0
# left
if x - 1 >= 0 and x - 1 < L and y >= 0 and y < W and board[x - 1][y] == "M":
count += 1
# right
if x + 1 >= 0 and x + 1 < L and y >= 0 and y < W and board[x + 1][y] == "M":
count += 1
# down
if x >= 0 and x < L and y - 1 >= 0 and y - 1 < W and board[x][y - 1] == "M":
count += 1
# up
if x >= 0 and x < L and y + 1 >= 0 and y + 1 < W and board[x][y + 1] == "M":
count += 1
# left down
if x - 1 >= 0 and x - 1 < L and y - 1 >= 0 and y - 1 < W and board[x - 1][y - 1] == "M":
count += 1
# right down
if x + 1 >= 0 and x + 1 < L and y - 1 >= 0 and y - 1 < W and board[x + 1][y - 1] == "M":
count += 1
# left up
if x - 1 >= 0 and x - 1 < L and y + 1 >= 0 and y + 1 < W and board[x - 1][y + 1] == "M":
count += 1
# right up
if x + 1 >= 0 and x + 1 < L and y + 1 >= 0 and y + 1 < W and board[x + 1][y + 1] == "M":
count += 1

if count == 0:
board[x][y] = "B"
dfs(x - 1, y)
dfs(x + 1, y)
dfs(x, y - 1)
dfs(x, y + 1)
dfs(x - 1, y - 1)
dfs(x + 1, y - 1)
dfs(x - 1, y + 1)
dfs(x + 1, y + 1)
else:
board[x][y] = str(count)

dfs(x, y)
return board

if __name__ == '__main__':
board = [["E","E","E","E","E"],
["E","E","M","E","E"],
["E","E","E","E","E"],
["E","E","E","E","E"]]
click = [3, 0]
s = Solution()
ans = s.updateBoard(board, click)
print(ans)

悲恋花丶无心之人 CSDN认证博客专家 TensorFlow 深度学习 神经网络 计算机视觉在读研究生，熟悉Pytorch，MXNet，TensorFlow，Keras等深度学习框架，主要涉及的领域有目标检测，语义分割，超分辨率重建，行人重识别等。