build

chapter_searching/binary_search.md

@@ -104,7 +104,7 @@ comments: true
         i, j = 0, len(nums) - 1
         # 循环，当搜索区间为空时跳出（当 i > j 时为空）
         while i <= j:
-            # 理论上 Python 的数字可以无限大（取决于内存大小），无需考虑大数越界问题
+            # 理论上 Python 的数字可以无限大（取决于内存大小），无须考虑大数越界问题
             m = (i + j) // 2  # 计算中点索引 m
             if nums[m] < target:
                 i = m + 1  # 此情况说明 target 在区间 [m+1, j] 中
@@ -636,7 +636,7 @@ comments: true
 二分查找在时间和空间方面都有较好的性能：
 
 - 二分查找的时间效率高。在大数据量下，对数阶的时间复杂度具有显著优势。例如，当数据大小 $n = 2^{20}$ 时，线性查找需要 $2^{20} = 1048576$ 轮循环，而二分查找仅需 $\log_2 2^{20} = 20$ 轮循环。
-- 二分查找无需额外空间。相较于需要借助额外空间的搜索算法（例如哈希查找），二分查找更加节省空间。
+- 二分查找无须额外空间。相较于需要借助额外空间的搜索算法（例如哈希查找），二分查找更加节省空间。
 
 然而，二分查找并非适用于所有情况，原因如下：
 

chapter_searching/binary_search_edge.md

@@ -325,5 +325,5 @@ status: new
 
 代码在此省略，值得注意的有：
 
-- 给定数组不包含小数，这意味着我们无需关心如何处理相等的情况。
+- 给定数组不包含小数，这意味着我们无须关心如何处理相等的情况。
 - 因为该方法引入了小数，所以需要将函数中的变量 `target` 改为浮点数类型。

chapter_searching/searching_algorithm_revisited.md

@@ -20,7 +20,7 @@ comments: true
 - 「线性搜索」适用于数组和链表等线性数据结构。它从数据结构的一端开始，逐个访问元素，直到找到目标元素或到达另一端仍没有找到目标元素为止。
 - 「广度优先搜索」和「深度优先搜索」是图和树的两种遍历策略。广度优先搜索从初始节点开始逐层搜索，由近及远地访问各个节点。深度优先搜索是从初始节点开始，沿着一条路径走到头为止，再回溯并尝试其他路径，直到遍历完整个数据结构。
 
-暴力搜索的优点是简单且通用性好，**无需对数据做预处理和借助额外的数据结构**。
+暴力搜索的优点是简单且通用性好，**无须对数据做预处理和借助额外的数据结构**。
 
 然而，**此类算法的时间复杂度为 $O(n)$** ，其中 $n$ 为元素数量，因此在数据量较大的情况下性能较差。
 
@@ -68,7 +68,7 @@ comments: true
 
 **线性搜索**
 
-- 通用性较好，无需任何数据预处理操作。假如我们仅需查询一次数据，那么其他三种方法的数据预处理的时间比线性搜索的时间还要更长。
+- 通用性较好，无须任何数据预处理操作。假如我们仅需查询一次数据，那么其他三种方法的数据预处理的时间比线性搜索的时间还要更长。
 - 适用于体量较小的数据，此情况下时间复杂度对效率影响较小。
 - 适用于数据更新频率较高的场景，因为该方法不需要对数据进行任何额外维护。
 

chapter_searching/summary.md

@@ -5,8 +5,8 @@ comments: true
 # 10.6   小结
 
 - 二分查找依赖于数据的有序性，通过循环逐步缩减一半搜索区间来实现查找。它要求输入数据有序，且仅适用于数组或基于数组实现的数据结构。
-- 暴力搜索通过遍历数据结构来定位数据。线性搜索适用于数组和链表，广度优先搜索和深度优先搜索适用于图和树。此类算法通用性好，无需对数据预处理，但时间复杂度 $O(n)$ 较高。
+- 暴力搜索通过遍历数据结构来定位数据。线性搜索适用于数组和链表，广度优先搜索和深度优先搜索适用于图和树。此类算法通用性好，无须对数据预处理，但时间复杂度 $O(n)$ 较高。
 - 哈希查找、树查找和二分查找属于高效搜索方法，可在特定数据结构中快速定位目标元素。此类算法效率高，时间复杂度可达 $O(\log n)$ 甚至 $O(1)$ ，但通常需要借助额外数据结构。
 - 实际中，我们需要对数据体量、搜索性能要求、数据查询和更新频率等因素进行具体分析，从而选择合适的搜索方法。
-- 线性搜索适用于小型或频繁更新的数据；二分查找适用于大型、排序的数据；哈希查找适合对查询效率要求较高且无需范围查询的数据；树查找适用于需要维护顺序和支持范围查询的大型动态数据。
+- 线性搜索适用于小型或频繁更新的数据；二分查找适用于大型、排序的数据；哈希查找适合对查询效率要求较高且无须范围查询的数据；树查找适用于需要维护顺序和支持范围查询的大型动态数据。
 - 用哈希查找替换线性查找是一种常用的优化运行时间的策略，可将时间复杂度从 $O(n)$ 降低至 $O(1)$ 。