👋 欢迎阅读
🎯 欢迎来到「点名」题解之旅！ 本文将带你从"点名时发现学号缺了一个"这一直观场景出发，深入理解二段性二分 的巧妙运用，并掌握如何比较元素与下标是否相等 来定位缺失的学号。
在开始之前，建议你先：
-
了解题目背景 ：这是 LCR 173 题，给定递增 数组
records，其元素本应为0 ~ n的连续整数，但缺失了一个数字 ，找出它。本质上，缺失位置之前 满足records[i] == i，之后 满足records[i] != i，问题转化为二分找到第一个"下标与值不相等"的位置。 -
明确学习目标 ：掌握下标-值比较二分 ，理解缺失在中间与缺失在末尾 两种情形的区分，并熟练处理单元素数组等边界情况。
-
准备好环境 ：建议在本地 IDE 或 LeetCode 在线编辑器中打开代码，边看边运行，亲手验证示例（如
records = [0,1,2,3,5]输出4，records = [0,1,2,3,4]输出5）。
本文将从问题转化、下标比较、区间收缩、结果校验 到代码实现，层层递进。即使你对二段性二分 还不熟悉，我们也会从"谁和座号对不上，谁就是缺席者"这一直觉出发，让你轻松抓住核心思想 ------下标值相等为左段，不等即缺失。现在，让我们一起二分点名，找出那个缺勤的学号吧！ 📋🎯
一.题目
二.做题思路
一、问题分析（前置分析）
- 题目要求：在递增数组
records中找出缺失的那个整数 （元素本应为0 ~ n连续，缺失一个）。- 关键约束：数组严格递增 ；元素范围
[0, n+1]内缺一个 ；缺失数字可能在中间 也可能在末尾。- 核心思路：利用二段性 ------缺失位置前满足
records[i] == i，缺失位置后满足records[i] == i + 1（整体右移一位），二分找第一个records[i] != i的位置。
二、算法策略（下标-值比较二分）
核心步骤：
- 初始化区间 ：
n = records.size() - 1（数组最后一个下标）、left = 0、right = n，在[0, n]上二分。- 二分收敛 ：
while (left < right)，mid下取整 （left + (right - left) / 2）。- 下标比较：
mid == records[mid]→ 前mid+1个元素全部正确，缺失在右半，left = mid + 1；mid != records[mid]→ 缺失在左半（含 mid），right = mid。- 结果校验 ：收敛后若
records[left] == left，说明缺失的是末尾数字n + 1，返回left + 1；否则返回left。示例执行过程 （
records = [0,1,2,3,5]，缺失 4）：
| 阶段 | left | right | mid | recordsmid vs mid | 操作 | 结果 |
|---|---|---|---|---|---|---|
| ① | 0 | 4 | 2 | 2 == 2 | 左段正确，收缩左侧 | left=3 |
| ② | 3 | 4 | 3 | 3 == 3 | 左段正确，收缩左侧 | left=4 |
| 收敛 | 4 | 4 | --- | records4=5 != 4 | 返回 4 | 4 |
三、正确性说明（简单版本）
- 二段性成立 ：数组只缺一个数字，缺失位置前所有元素满足
records[i] == i，之后所有元素满足records[i] > i（整体右移），两种状态只切换一次 ，判据mid == records[mid]恰好识别分界，不会误判。- 收缩方向正确 ：相等说明左段完好，缺失在右半可丢弃左段；不等说明缺失在左半（含 mid），保留 mid 向左收敛。区间单调收敛到第一个不等位置 ，不漏解。
- 末尾缺失校验完备 ：若全部相等（缺失的是最后一位
n+1），二分会收敛到right = n，此时records[left] == left恒成立，返回left + 1恰好是缺失值，覆盖末尾情形。- 终止性 ：
left = mid + 1与right = mid（下取整保证mid < right）均严格缩小，不会死循环。
四、实现细节（边界防护）
- 初始化：
n = records.size() - 1（数组最后一个下标 ，非元素个数）、left = 0、right = n。- 边界防护：
size == 1时（如[0]）right = 0，循环不进入，records[0] == 0→ 返回 1；records[left]访问安全（left ≤ n ≤ size-1）；缺失在末尾时靠校验分支兜底。- 复杂度：时间 O(log n) （每次排除一半），空间 O(1)（仅常数个变量）。
- 关键判断 ：
if (mid == records[mid]) left = mid + 1; else right = mid;（二段性收敛）、if (records[left] == left) return left + 1;（末尾缺失校验）。
五、返回值（目标映射）
- 返回
left或left + 1：缺失的数字，对应题目"返回缺席的学号"。
三.代码
cpp
class Solution
{
public:
int takeAttendance(vector<int>& records)
{
int n = records.size() - 1; // 数组最后一个下标（搜索区间右端点）
int left = 0;
int right = n;
// 1. 二段性二分：比较元素与下标，找"第一个 records[i] != i"的位置
while (left < right)
{
int mid = left + (right - left) / 2; // mid 下取整，配合 right = mid
if (mid == records[mid])
{
left = mid + 1; // 前 mid+1 个元素全部正确，缺失在右半
}
else
{
right = mid; // 已出现错位：缺失在左半（含 mid）
}
}
// 2. 结果校验：区分"缺失在中间"与"缺失在末尾"
if (records[left] == left)
{
return left + 1; // 全部元素都与下标相等：缺失的是末尾数字
}
return left; // 第一个错位下标即缺失数字
}
};四、易错点分析
难点1：n = records.size() - 1 的含义极易混淆
cpp
int n = records.size() - 1; // 注意：这是"最后一个下标"，不是元素个数！
int right = n;这里的 n 是数组最后一个下标 （搜索右端点），而缺失数字的取值范围是 [0, size]。若误把 n 当成元素个数（records.size()），right 会越界一位 ，收敛后 records[left] 访问越界 （UB）。理解"搜索区间是下标域 0, size-1，缺失值域是 0, size"是正确写对边界的前提。
难点2：判据 mid == records[mid] 的语义是"左段完好"
cpp
if (mid == records[mid])
left = mid + 1; // 跳过 midrecords[mid] == mid 说明前 mid+1 个元素全部与下标相等 （数组递增且只缺一个，错位只会在之后发生），因此缺失必在 [mid+1, right]，left = mid + 1 跳过 mid 是安全的 。若误写成 left = mid，当所有元素都正确时，left 卡在 size-1 无法前进，死循环 （left < right 恒成立但 left 不再增大？实际 left=mid 且 mid==left 时区间不缩小）。
难点3：else 分支 right = mid 保留 mid 的原因
cpp
else
right = mid; // records[mid] != mid：缺失在 [left, mid] 内records[mid] != mid 时，mid 可能是第一个错位位置 （即缺失值），也可能在其右侧，但缺失一定不在 mid 之后 （递增性：mid 之后的值都 ≥ recordsmid+1 > mid+1，错位更明显，但第一个错位在 mid 或更左）。保留 mid 向左收敛，不会漏掉第一个错位点。
难点4：末尾缺失必须靠 records[left] == left 兜底
cpp
if (records[left] == left)
return left + 1; // 全部相等 → 缺失的是 n+1若缺失的是最后一个数字 （如 [0,1,2,3,4] 缺 5），数组内所有元素都与下标相等，二分一路 left = mid + 1 收敛到 left = size-1。此时若直接 return left 会误返回 size-1 ，必须校验 records[left] == left 后返回 left + 1------这个校验分支是"末尾缺失"情形的唯一出口，漏掉即错。
五、流程图
🎯 闭幕
🎉 恭喜你完成了「点名」问题的学习！
为了巩固知识并进一步拓展，建议你：
🚀 动手实践
在 LeetCode 上提交代码，尝试不同的测试用例。
💡 深入思考
-
本题通过比较
records[mid]与 下标mid来判断缺失位置。为什么这种比较能揭示缺失信息？ 其背后的"元素与下标对应关系"在有序无重复场景下具有什么特性？ -
循环结束后，代码额外校验
if (records[left] == left) return left + 1;。这个分支处理的是什么情况？ 如果不加这个校验，直接返回left，在什么场景下会出错？ -
时间复杂度 O(log n)，如果改用 异或运算 或 求和公式，时间复杂度也是 O(n)，相比二分，哪种方案更优？为什么本题要求用二分？
📚 延伸挑战
-
如果数组 长度不固定 且缺失的数字可能出现在 任意位置（包括开头和末尾），当前的二分框架是否依然适用？
-
如果数组中的数字 不是从 0 开始（例如从 1 到 n，缺失一个），你如何修改比较条件来适配这种偏移？
如果你觉得本文对你有所帮助，欢迎：
👍 点赞 / 收藏
👤 关注作者 ，获取更多题解
💬 留言交流你的疑问或优化思路
📌 深入思考答案
-
比较
records[mid]与mid的有效性 ：因为数组是 0~n 范围内的不重复升序排列，若左侧元素全部正确，则records[i] == i对i <= k恒成立；一旦出现错位，缺失数字就在该位置，此后所有元素都比下标大 1，形成"左段正确、右段错位"的二段性。 -
当
mid != records[mid]时 ，说明mid已经位于错位段，缺失一定在mid或其左侧，因此right = mid向左收缩，不会丢失缺失数字。 -
异或或求和 O(n) 比 O(log n) 慢，但更简单；本题要求二分是为了训练 二段性思维，且 O(log n) 更高效。
🔍 延伸挑战答案
-
挑战1 ：若缺失位置任意（开头或末尾），只要数组仍是 0~n 的不重复升序排列，当前二分完全适用，因为二段性依然存在（开头缺失则第一个元素就不等于0，
mid比较立即触发错位分支）。 -
挑战2 ：若数组从 1 开始，即应有
records[i] == i + 1，只需将比较条件改为mid + 1 == records[mid]，其余收敛逻辑不变，即可适配任意偏移。
祝你在 算法之路 上越走越稳，早日攻克每一道难题！下次见 🚀✨