LeetCode精选150题分类路线图
High Contrast
Dark Mode
Light Mode
Sepia
Forest
15 min read2,944 words

LeetCode精选150题分类路线图

简介

在算法求职准备中，面对海量题目，许多学习者容易陷入“盲目刷题”的困境，投入大量时间却收效甚微。本路线图旨在解决这一痛点，通过精心筛选的150道LeetCode核心题目，构建一个结构化、高效率的刷题体系。这150题并非随意挑选，而是基于各大科技公司（如FAANG、国内大厂）近年高频面试真题，覆盖了算法面试中超过90%的核心考点与解题模式。

本路线图的核心价值在于其“分类”与“分阶段”的设计思想。它将题目按数据结构和算法思想进行系统归类，帮助学习者建立知识网络，实现从“点”到“面”的掌握。同时，将150题划分为30道基础题、70道核心题和50道进阶题三个难度阶梯，匹配不同基础的学习者和不同强度的准备周期。无论你是准备为期三个月的秋招冲刺，还是为期六个月的长期系统学习，本路线图都能提供清晰的路径和可执行的每日计划，将有限的精力精准投入到最高回报的题目上，最终实现从“看懂答案”到“快速写出最优解”的质变。

核心概念

本路线图的构建基于几个核心概念：分类学习、渐进式难度和刻意练习。分类学习指将题目按算法思想（如双指针、滑动窗口、动态规划）和数据结构（如数组、链表、树、图）进行分组，这有助于识别和掌握通用解题模板。渐进式难度确保学习曲线平滑，避免初学者过早接触Hard题而产生挫败感。刻意练习则强调通过计划性的每日任务、周期性的复习以及系统的错题整理，将短期记忆转化为长期技能。

一个高效的刷题过程可以抽象为“输入-处理-输出”的循环系统。输入是精选的题目和知识；处理是通过编码、调试、优化进行的主动学习；输出是掌握的解题能力和整理的错题本。这个系统的良性运转是求职成功的关键。

graph TD A["输入: 精选题目与知识"] --> B["处理: 主动编码与学习"] B --> C{"能否独立解出?"} C -->|是| D["输出: 掌握技能
加入复习清单"] C -->|否| E["输出: 分析错因
加入错题本"] D --> F["周期性复习"] E --> G["针对性重做"] F --> B G --> B

150题分类与分阶段计划

按数据结构与算法分类的核心清单

以下是150道题目的核心分类框架，每个类别后标注了建议的题目数量。实际题目清单可根据最新面试趋势微调，但结构保持不变。

  1. 数据结构类 (约60题)

    • 数组/字符串 (20题)：二分查找、双指针、滑动窗口、前缀和。
    • 链表 (10题)：虚拟头节点、快慢指针、链表反转。
    • 栈与队列 (10题)：单调栈、优先队列（堆）。
    • 哈希表 (8题)：用于快速查找和计数。
    • 树 (12题)：二叉树遍历（递归/迭代）、二叉搜索树、DFS/BFS。

  2. 算法思想类 (约90题)

    • 递归/回溯 (15题)：组合、排列、子集、N皇后。
    • 动态规划 (25题)：背包问题、子序列问题、路径问题、状态机DP。
    • 贪心算法 (10题)：区间问题、分配问题。
    • 搜索 (15题)：BFS（最短路径）、DFS（连通性、回溯）。
    • 图论 (10题)：拓扑排序、最短路径（Dijkstra）、并查集。
    • 位运算/数学 (10题)：常用技巧。
    • 设计题 (5题)：LRU缓存、数据结构设计。

从Easy到Hard的分阶段刷题计划（30/70/50）

本计划将150题分为三个阶段，总周期建议为3-4个月。

实战示例

以下以“滑动窗口”类别中的一道经典题目 “3. 无重复字符的最长子串” 为例，展示从暴力解法到最优解的分析过程，并给出带中文注释的Python代码。

class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
"""
使用滑动窗口和哈希集合来寻找无重复字符的最长子串。
时间复杂度: O(n)，每个字符最多被访问两次（右指针一次，左指针一次）。
空间复杂度: O(min(m, n))，其中m是字符集大小。
"""
# 哈希集合，用于记录当前窗口中的字符
char_set = set()
n = len(s)
# 右指针 rk， 初始答案 ans
rk, ans = 0, 0
# 遍历字符串，i 作为左指针
for i in range(n):
if i != 0:
# 左指针向右移动一格，移除前一个字符
char_set.remove(s[i - 1])
# 移动右指针，直到遇到重复字符或到达字符串末尾
while rk < n and s[rk] not in char_set:
char_set.add(s[rk])
rk += 1
# 更新答案，当前窗口为 [i, rk)，长度为 rk - i
ans = max(ans, rk - i)
return ans
# 测试代码
if __name__ == "__main__":
solution = Solution()
test_cases = ["abcabcbb", "bbbbb", "pwwkew", ""]
expected = [3, 1, 3, 0]
for i, case in enumerate(test_cases):
result = solution.lengthOfLongestSubstring(case)
print(f"输入: '{case}'")
print(f"输出: {result}, 预期: {expected[i]}, {'通过' if result == expected[i] else '失败'}")

对比分析

不同的刷题者可能采用不同的策略。下表对比了三种常见的刷题模式，以帮助你选择或调整最适合自己的方法。

方案 优势 劣势 适用场景
按分类集中刷题 1. 快速掌握同一类题目的套路和变体。
2. 知识体系化，容易举一反三。
3. 适合建立解题“肌肉记忆”。		 1. 短时间内接触题型单一，可能枯燥。
2. 在模拟面试时，可能因提前知道题型而缺乏真实感。		 本路线图推荐模式。适用于系统学习阶段，尤其是第二、三阶段。是构建扎实能力基础的最有效方式。
按随机顺序刷题 1. 更贴近真实面试的不可预测性。
2. 锻炼快速识别问题类型和选择算法的能力。		 1. 学习曲线陡峭，容易挫败。
2. 知识碎片化，难以形成体系。
3. 复习时缺乏逻辑关联。		 适用于后期冲刺阶段（如面试前1-2个月），在已有扎实分类基础后进行，用于查漏补缺和适应性训练。
按公司真题刷题 1. 目标极其明确，针对性强。
2. 可能直接命中原题。		 1. 题目范围可能狭窄，知识面不全。
2. 一旦目标公司或面试官风格变化，风险较大。
3. 不利于长期职业发展所需的广泛算法能力。		 适用于已有心仪公司，且时间非常紧迫（如1个月内）的求职者。可作为补充，但不建议作为主要策略。

如何高效使用路线图

每日计划与执行

建议每日投入2-3小时。一个高效的每日循环包括：1）学习（15分钟）：回顾昨日错题或学习新知识点；2）新题（60-90分钟）：按计划完成2-3道新题，严格计时并手写代码；3）复习（30分钟）：根据艾宾浩斯复习曲线，重做之前标记的题目；4）总结（15分钟）：整理今日收获与错题。

复习周期与错题整理

错题本是进步的阶梯。建议使用电子笔记（如Notion、OneNote）或代码管理工具（GitHub）建立错题档案。每道错题记录：1）题目链接；2）错误原因（思路错误、边界条件、语法错误）；3）正确解法与多解对比；4）相似题目链接。复习周期可设置为第1、2、4、7、15天，之后每月回顾一次。

与求职时间线的配合策略

最佳实践

  1. 手写代码：在IDE中写完后，尝试在白板或纸上重写。这能暴露你对代码结构记忆的不足，是面试的必备技能。
  2. 自言自语讲解：解题时，模拟面试场景，大声说出你的思考过程。这能极大提升你沟通思路的能力，而这也是面试的重要评估维度。
  3. 追求一题多解：对于Medium及以上题目，至少思考两种解法（如递归和迭代，DFS和BFS），并比较其优劣。这展示了你的思维灵活性。
  4. 重视边界条件：空输入、单个元素、极大/极小值等边界情况是常见的失分点。养成写完代码后第一时间系统测试边界条件的习惯。
  5. 参与社区讨论：在LeetCode讨论区阅读高票答案，学习更优雅或更高效的写法，但要以理解而非记忆为目的。

小结

LeetCode精选150题分类路线图是一个经过设计的系统化学习工具，它通过分类归纳和分阶段推进，将看似庞杂的算法学习任务转化为可管理、可执行的每日行动。成功的关键不在于刷题的数量，而在于通过“刻意练习”将每一道题的收获最大化，并借助科学的复习机制将其内化为持久的能力。记住，路线图是导航，而持续、专注的行动才是抵达目的地的引擎。坚持执行计划，定期反思调整，你必将建立起应对技术面试的强大信心与实力。

下一节：高频面试题解析：大厂真题剖析