zoukankan      html  css  js  c++  java
  • 144、Java链表之定义一个Node类并输出

    01.代码如下:

    package TIANPAN;
    
    class Node {                            // 每一个链表实际上就是由多个节点组成的
        private String data;                    // 要保存的数据
        private Node next;                    // 要保存的下一个节点
    
        /**
         * 每一个Node类对象都必须保存有相应的数据
         *
         * @param data 要通过节点包装的数据
         */
        public Node(String data) {                // 必须有数据才有Node
            this.data = data;
        }
    
        /**
         * 设置下一个节点关系
         *
         * @param next 保存下一个Node类引用
         */
        public void setNext(Node next) {
            this.next = next;
        }
        
        /**
         * 取得当前节点的下一个节点
         *
         * @return 当前节点的下一个节点引用
         */
        public Node getNext() {
            return this.next;
        }
    
        /**
         * 设置或修改当前节点包装的数据
         *
         * @param data
         */
        public void setData(String data) {
            this.data = data;
        }
    
        /**
         * 取得包装的数据
         *
         * @return
         */
        public String getData() {
            return this.data;
        }
    }
    
    /**
     * 此处为文档注释
     *
     * @author 田攀 微信382477247
     */
    public class TestDemo {
        public static void main(String args[]) {
            // 第一步:定义要操作的节点并设置好包装的字符串数据
            Node root = new Node("火车头");      // 定义节点,同时包装数据
            Node n1 = new Node("车厢A");         // 定义节点,同时包装数据
            Node n2 = new Node("车厢B");         // 定义节点,同时包装数据
            root.setNext(n1);                         // 设置节点关系
            n1.setNext(n2);                           // 设置节点关系
            // 第二步:根据节点关系取出所有数据
            Node currentNode = root;                  // 当前从根节点开始读取
            while (currentNode != null) {                        // 当前节点存在数据
                System.out.println(currentNode.getData());
                currentNode = currentNode.getNext();            // 将下一个节点设置为当前节点
            }
        }
    }

    02.效果如下:

    知识有价,如果您认为这篇文章有价值,认同作者的付出,可以微信二维码打赏任意金额给作者(微信号:382477247)哦,谢谢。

  • 相关阅读:
    【2020春】李宏毅机器学习(Classification/高斯分布/逻辑回归vs线性回归)
    【2020春】李宏毅机器学习(New Optimizers for Deep Learning)
    【2020春】李宏毅机器学习(Gradient Descent)
    SinGAN: Learning a Generative Model from a Single Natural Image
    HoloGAN: Unsupervised Learning of 3D Representations From Natural Images
    styleGAN相关
    styleGAN相关
    styleGAN相关论文
    styleGAN相关论文
    styleGAN相关论文
  • 原文地址:https://www.cnblogs.com/tianpan2019/p/12372684.html
Copyright © 2011-2022 走看看