前言
最近准备开始刷题，由于过去了很长时间，自己已经忘记了之前刷题的一些注意事项和做题思路。同时Leetcode只提供最简单的刷题记录，查看自己的解题记录也不是那么方便，需要一个个题目去点击查看。为此，我试着在Github上开始寻找是否存在一个Leetcode的刷题工具，能离线记录自己的刷题，并对做过的题目进行分类记录，可以按类型去查看自己刷题进度的一种工具。
最后，找到了 leetcode-tool 这一个工具，作者还写了一篇 leetcode-tool 一个让你更方便刷题的工具 详细说明了用法，可惜的是，该工具已经多年不维护，于是我基于此工具做了一些定制化的开发以满足我的需求，增加的改动如下：
- 使用Python脚本爬取Leetcode中英文题目，离线保存。
- 使用GPT辅助答题
- 刷题记录导出至Notion看板
项目地址如下：https://github.com/PPsteven/leetcode-tool
编码不易，欢迎点Star多多支持!!
效果如下图所示：
Leetcode 刷题的痛点
Leetcode 是一个很好的刷题网站，但是对于做好的题目，在Leetcode上存在如下痛点：
- 无法方便的查看自己的解题答案
- 无法对于一题多解和一题多语言的答案进行整理
- 缺失对已通过题目的分类统计，如查找已完成的
动态规划，链表的题目，并复习归纳。
leetcode-tool 功能
为了解决上述问题，其实做法就是在本地保存一份已提交的答案，并对其打标签，最后对标签进行汇总统计生成 做题清单。
对此，Leetcode 刷题工具的基础功能如下：
- 爬取Leetcode题目，并保存在本地。
- 生成Leetcode刷题模板，模板中包含题目的标签，支持人工修改。
- 依据标签汇总生产
做题清单。
此外，为了方便筛选管理已做的题目，支持导出至Notion看板。
安装
# homebrew
$ brew tap ppsteven/homebrew-tap
$ brew install ppsteven/homebrew-tap/leetcode-tool
$ leetcode-tool help使用
0. 创建配置文件并下载离线数据包
首先在创建一个做题目录，在目录下创建 .leetcode.json 配置文件，可以参考仓库中的 .leetcode.example.json 文件.
{
"lang": "go/py3/ts/java", // 项目全局语言, 配置后 new 命令 --lang 参数可省略, 目前支持 go ts js py3 java
"env": "en/cn",
"gpt": {
"api_key": "sk-xxx",
"model": "gpt-3.5-turbo",
"prompt": "您是一个算法专家，请基于下面的算法题目，给出该算法的思路和复杂度, 使用 {{ .TextLang }} 回答\nSETP1. 给出算法的归类，如递归，栈\nSETP2. 若是存在暴力解法，给出思路和复杂度\nSETP3. 给出最优解法和复杂度\nSETP4. 代码实现，使用 {{ .Lang }} 语言，代码带注释和测试样例。\n\n{{ .Problem }}"
}
}- lang: 当前支持语言 go/py3/ts/java
- env: 界面语言 cn 中文站/ en 英文站
- gpt: 支持gpt对题目提示，在没有思路的时候辅助解题
- api_key: openai key
- model: openai model
- prompt: 自定义提示词，双花括号代表的是变量，在生成提示词的时候会被替换为字符串
- {{ .TextLang }} 根据env决定，en:英文，cn:中文
- {{ .Lang }} 编程语言
- {{ .Problem }} 题目内容，必须加上
- prompt 如果不填写的话，就使用如下默认prompt提示词模板
您是一个算法专家，请基于下面的算法题目，给出该算法的思路和复杂度, 使用 {{ .TextLang }} 回答
SETP1. 给出算法的归类，如递归，栈
SETP2. 若是存在暴力解法，给出思路和复杂度
SETP3. 给出最优解法和复杂度
SETP4. 代码实现，使用 {{ .Lang }} 语言，代码带注释和测试样例。
{{ .Problem }}尝试获取题目信息，第一次使用时，会尝试从Github下载Leetcode离线数据包，其中包含了所有题目信息。
（P.S. 这个数据是通过Python脚本爬虫实现，具体详见代码：leetcode_crawler.py）
$ leetcode-tool meta 1
file problems.json not exists, start downloading from https://raw.githubusercontent.com/PPsteven/leetcode-tool/master/problems.json
&{Index:1 Title:两数之和 Slug:two-sum Difficulty:简单 Tags:[array hash-table] Link:https://leetcode.cn/problems/two-sum/description/ Content: Code: Solved:false}但是国内的用户可能由于网络原因无法下载，此时需要手动下载存放在吧本地目录中。
$ wget https://raw.githubusercontent.com/PPsteven/leetcode-tool/master/problems.json1. 创建题目
刷题之前先得有题目ID, 要去 LeetCode 上面找一道题目, 找到它的序号(必须是前端页面看到的). 然后运行:
❯ leetcode-tool new --lang go 1此步骤会创建一个题解文件夹和三个文件:
❯ tree solve/solve0001
solve/solve0001
├── problem.md # 题目描述文件
├── solve_0001.go # 题解源码文件
└── solve_0001_test.go # 测试文件problem.md 文件为 LeetCode 网页上的题目描述, 在 GitHub 上面显示完全正常, 代码块和图片都可正常显示;
solve_0001.go 为初始化的源码文件:
package solve0001
/**
* @index 1
* @title 两数之和
* @difficulty 简单
* @tags array,hash-table
* @draft false
* @link https://leetcode.cn/problems/two-sum/
* @frontendId 1
*/
func twoSum(nums []int, target int) []int {
}文件中间的注解是后面生成汇总文件表格所需要的信息, 都是通过 api 获取到的题目信息.
solve_0001_test.go 相对很简陋:
package solve0001_test以上, 题目初始化就完成了.
注意: 刷题基本是只会选择一门语言, 所以 --lang 这个参数略显繁琐, 我们可以在项目根文件创建一个内容为 { "lang": "go" } 的 .leetcode.json 文件, 此参数就可以省略了。
2. 解题
工具再好也不可能帮你解题, 所以解题还是要靠自己.
目前，基于LLM大模型技术，已经可以实现使用GPT辅助刷题了：GPT-4满分第一名通过大厂模拟面试！微软154页研究刷屏：与AGI的第一次接触
首先，配置好字段 gpt.api_key，gpt.model，gpt.prompt（可选）
{
"lang": "go/py3/ts/java", // 项目全局语言, 配置后 new 命令 --lang 参数可省略, 目前支持 go ts js py3 java
"env": "en/cn",
+ "gpt": {
+ "api_key": "sk-xxx",
+ "model": "gpt-3.5-turbo",
+ "prompt": "您是一个算法专家，请基于下面的算法题目，给出该算法的思路和复杂度, 使用 {{ .TextLang }} 回答\nSETP1. 给出算法的归类，如递归，栈\nSETP2. 若是存在暴力解法，给出思路和复杂度\nSETP3. 给出最优解法和复杂度\nSETP4. 代码实现，使用 {{ .Lang }} 语言，代码带注释和测试样例。\n\n{{ .Problem }}"
}
}开始解题
$ leetcode-tool gpt 4效果如下：
入门题目直接搞定, 并且完成测试文件:
// solve_0001.go
func twoSum(nums []int, target int) []int {
mp := make(map[int]int, 0)
for i, num := range nums {
if idx, ok := mp[target-num]; ok {
return []int{idx, i}
}
mp[num] = i
}
return []int{}
}// solve_0001_test.go
func TestTwoSum(t *testing.T) {
assert.Equal(t, []int{0, 1}, twoSum([]int{2, 7, 11, 15}, 9))
assert.Equal(t, []int{}, twoSum([]int{2, 7, 11, 15}, 4))
}搞定题目.
3. 更新题目分类汇总
下面是自动生成的题目注释，通过编辑注释信息，帮助我们分类该题的解法。
/**
* @index 1
* @title Two Sum
* @difficulty EASY
* @tags array,hash-table
* @draft false
* @link https://leetcode.cn/problems/two-sum/description/
* @frontendId 1
* @solved false
*/- index: 题目编号
- title: 题目名称
- difficulty: 题目难易程度
- tags: 题目标签默认为Leetcode标签，同时也可以自定义标签
- draft: 是否草稿，true 则不会在update的时候对该题进行分类
- link: 题目链接
- frontendId: 题目编号
- solved: 是否解决
开始更新
❯ leetcode-tool update更新完成后，就会成功生成如下分类
4. 同步至github
> git add .
> git commit -m "update"最终的效果可以参考：
5. 同步至Notion数据库
配置好字段 notion.token，notion.database_id，notion.page_id（选填）
-
首先，申请 notion 权限，支持通过
notion-api操作你得notion页面，教程随便找了一个：取得Notion API Key 流程 -
获取 page_id
点开你的notion页面，进入你需要创建的数据库的父页面，直接获取 URL 地址中-后的一串字符串。
并填入
.leetcode.json中
{
+ "notion": {
+ "token": "secret_nDoJWULxdaudMhbEdSo1g2TWUqYxqnArow4w6qo2NX",
+ "database_id": "3fbv1c2bf55e4fa18c66a5b0a61fa403",
+ "page_id": "59194b57331444eca8e7c996a1cdb505"
}
}- 同步并创建数据库
使用如下命令，开启同步记录至notion页面
$ leetcode-tool sync --notion
2024/05/05 00:56:43 Create Database: e7086c88f6504623956d1271b70aa2b4, Please add the database_id in the config file
2024/05/05 00:56:43 Visited Link: https://www.notion.so/e7086c88f6504623956d1271b70aa2b4
sync leetcode record to notion, progress: 51/52%除此使用，会在当前notion页面下创建一个 inline 显示的数据库，终端会给出其数据库的id，如 e7086c88f6504623956d1271b70aa2b4
- 更新数据库
将上面获取的 database_id 手动添加至 .leetcode.json 文件中后，未来的每次更新都会更新该数据库，当且仅当数据发生变动后才会更新
$ leetcode-tool sync --notion后记
本项目在开发过程中，如下开源项目给予了灵感和代码参考
此项目已多年不更新，本代码在Fork此仓库的基础上添加了如下功能：
- 离线下载了 Leetcode 3400+题，保证了在Leetcode接口发生改变后依然可以运行。
- 优化了部分代码逻辑
- 接入了Openai辅助解题
Leetcode 题目爬虫使用Python实现，详见 scripts 文件夹，代码参考：https://github.com/bunnyxt/lcid
notion 接入部分，参考了：
