https://leetcode-cn.com/problems/range-module/
Range 模块是跟踪数字范围的模块。你的任务是以一种有效的方式设计和实现以下接口。
addRange(int left, int right) 添加半开区间 [left, right)，跟踪该区间中的每个实数。添加与当前跟踪的数字部分重叠的区间时，应当添加在区间 [left, right) 中尚未跟踪的任何数字到该区间中。
queryRange(int left, int right) 只有在当前正在跟踪区间 [left, right) 中的每一个实数时，才返回 true。
removeRange(int left, int right) 停止跟踪区间 [left, right) 中当前正在跟踪的每个实数。
示例：
addRange(10, 20): null
removeRange(14, 16): null
queryRange(10, 14): true （区间 [10, 14) 中的每个数都正在被跟踪）
queryRange(13, 15): false （未跟踪区间 [13, 15) 中像 14, 14.03, 14.17 这样的数字）
queryRange(16, 17): true （尽管执行了删除操作，区间 [16, 17) 中的数字 16 仍然会被跟踪）
提示：
半开区间 [left, right) 表示所有满足 left <= x < right 的实数。
对 addRange, queryRange, removeRange 的所有调用中 0 < left < right < 10^9。
在单个测试用例中，对 addRange 的调用总数不超过 1000 次。
在单个测试用例中，对 queryRange 的调用总数不超过 5000 次。
在单个测试用例中，对 removeRange 的调用总数不超过 1000 次。
- 区间查找问题
- 二分查找
- 暂无
直观的思路是使用端点记录已经被跟踪的区间，我们需要记录的区间信息大概是这样的：[(1,2),(3,6),(8,12)]，这表示 [1,2), [3,6), [8,12) 被跟踪。
添加区间需要先查一下会不会和已有的区间和交集，如果有则融合。删除区间也是类似。关于判断是否有交集以及融合都可以采用一次遍历的方式来解决，优点是简单直接。
区间查询的话，由于被跟踪的区间是有序且不重叠的（重叠的会被我们合并），因此可是使用二分查找来加速。
官方给的解法其实就是这种。
代码：
class RangeModule(object):
def __init__(self):
# [(1,2),(3,6),(8,12)]
self.ranges = []
def overlap(self, left, right):
i, j = 0, len(self.ranges) - 1
while i < len(self.ranges) and self.ranges[i][1] < left:
i += 1
while j >= 0 and self.ranges[j][0] > right:
j -= 1
return i, j
def addRange(self, left, right):
i, j = self.overlap(left, right)
if i <= j:
left = min(left, self.ranges[i][0])
right = max(right, self.ranges[j][1])
self.ranges[i:j+1] = [(left, right)]
def queryRange(self, left, right):
i = bisect.bisect_right(self.ranges, (left, float('inf'))) - 1
return self.ranges and self.ranges[i][0] <= left and right <= self.ranges[i][1]
def removeRange(self, left, right):
i, j = self.overlap(left, right)
merge = []
for k in xrange(i, j+1):
if self.ranges[k][0] < left:
merge.append((self.ranges[k][0], left))
if right < self.ranges[k][1]:
merge.append((right, self.ranges[k][1]))
self.ranges[i:j+1] = merge但其实这种做法 overlap 的时间复杂度是
参考了 这篇题解 后发现，其实我们可以将被跟踪的区块一维化处理，这样问题就简单了。比如我们不这样记录被跟踪的区间 [(1,2),(3,5),(8,12)]，而是这样：[1,2,3,5,8,12]。
经过这样的处理， 数组的奇数坐标就是区间的结束点，偶数坐标就是开始点啦。这样二分就不需要像上面一样使用元组，而是使用单值了。
- 如何查询某一个区间 [s, e] 是否被跟踪呢？我们只需要将 s， e 分别在数组中查一下。如果 s 和 e 都是同一个奇数坐标即可。
- 插入和删除也是一样。先将 s， e 分别在数组中查一下，假设我们查到的分别为 i 和 j，接下来使用 [i, j] 更新原有区间即可。
使用不同颜色区分不同的区间，当我们要查 [3,9] 的时候。实线圈表示我们查到的索引，黑色的框框表示我们需要更新的区间。
区间更新逻辑如下：
- 二分查找的灵活使用（最左插入和最右插入）
- 将区间一维化处理
为了明白 Python 代码的含义，你需要明白 bisect_left 和 bisect_right，关于这两点我在二分查找专题讲地很清楚了，大家可以看一下。实际上这两者的区别只在于目标数组有目标值的情况，因此如果你搞不懂，可以尝试代入这种特殊情况理解。
代码支持：Python3
Python3 Code:
class RangeModule(object):
def __init__(self):
# [1,2,3,5,8,12]
self.ranges = []
def overlap(self, left, right, is_odd):
i = bisect_left(self.ranges, left)
j = bisect_right(self.ranges, right)
merge = []
if i & 1 == int(is_odd):
merge.append(left)
if j & 1 == int(is_odd):
merge.append(right)
# 修改 ranges 的 [i:j-1] 部分
self.ranges[i:j] = merge
def addRange(self, left, right):
# [1,2,3,5,8,12]， 代入 left = 3, right = 5，此时需要保持不变， 就不难知道应该用 bisect_left 还是 bisect_right
return self.overlap(left, right, False)
def removeRange(self, left, right):
# [1,2,3,5,8,12]， 代入 left = 3, right = 5，此时需要为 [1,2,8,12]， 就不难知道应该用 bisect_left 还是 bisect_right
return self.overlap(left, right, True)
def queryRange(self, left, right):
# [1,2,3,5,8,12]， 代入 left = 3, right = 5，此时需要返回 true， 就不难知道应该用 bisect_left 还是 bisect_right
i = bisect_right(self.ranges, left)
j = bisect_left(self.ranges, right)
return i & 1 == 1 and i == j # 都在一个区间内addRange 和 removeRange 中使用 bisect_left 找到左端点 l，使用 bisect_right 找到右端点，这样将 [left, right) 更新到区间 [l, r - 1] 即可。
复杂度分析
- 时间复杂度：$O(m * n)$，其中 m 和 n 分别为 A 和 B 的 长度。
- 空间复杂度：$O(m * n)$，其中 m 和 n 分别为 A 和 B 的 长度。
更多题解可以访问我的 LeetCode 题解仓库：https://github.com/azl397985856/leetcode 。 目前已经 37K star 啦。
关注公众号力扣加加，努力用清晰直白的语言还原解题思路，并且有大量图解，手把手教你识别套路，高效刷题。
