LeetCode 412 Fizz Buzz：从基础解法到可扩展设计的编程实践-编程实验室

这次我们来看一个经典的编程面试题：LeetCode 第 412 题 Fizz Buzz。这题本身不复杂，但它像一面镜子，能照出你写代码的基本功、对边界条件的处理，以及代码的可读性和扩展性。很多面试官喜欢用它来开场，因为它能快速判断一个候选人的编码习惯和思维清晰度。

题目要求很简单：写一个程序，输出从 1 到 n 的字符串表示。但有三条特殊规则：

如果数字是 3 的倍数，输出 “Fizz”。
如果数字是 5 的倍数，输出 “Buzz”。
如果数字同时是 3 和 5 的倍数，输出 “FizzBuzz”。

看起来像小学生数学题？但别急着用一堆if-else糊弄过去。这篇文章会带你从最直接的解法开始，一步步拆解，分析时间复杂度和空间复杂度，然后探讨如何写出更优雅、更易维护的代码。我们还会讨论一些常见的“坑”，比如如何处理大数n，以及如何应对规则可能增加（比如再加一条“7的倍数输出Jazz”）的场景。

无论你是正在准备面试，想巩固基础，还是单纯想看看一道简单题能玩出多少花样，这篇文章都值得一看。我们会用 Python、Java 等语言示例，但重点是思路，语言只是工具。

1. 核心能力速览

在深入代码之前，我们先快速把握这道题的核心要点和它能考察的能力边界。

能力项	说明
题目类型	编程基础、条件判断、循环、字符串处理
难度标签	简单 (Easy)
考察重点	基本语法、逻辑清晰度、代码整洁度、扩展性思维
时间复杂度	O(n)，必须遍历 1 到 n 每个数字
空间复杂度	O(n)，用于存储结果列表（若要求返回列表）
输入范围	通常`1 <= n <= 10^4`，但应考虑通用性
输出形式	字符串列表 (List[str])
变体与扩展	增加新的映射规则（如7->“Jazz”）、改变输出格式、流式输出

2. 适用场景与使用边界

这道题主要适用于以下场景：

面试热身：用于快速评估候选人的编码风格和基础逻辑能力。
算法入门：帮助初学者理解循环、条件判断和列表操作。
代码重构练习：作为案例，演示如何将一段直白的代码重构得更加模块化和可扩展。
单元测试练习：编写测试用例，验证各种边界条件（n=1, n=15等）。

它的使用边界也很明确：

不适合考察复杂算法：它不涉及动态规划、图论、高级数据结构等复杂知识。
性能非首要考量：在合理范围内，O(n)的时间复杂度已是最优，优化重点在于代码结构和可读性。
业务逻辑简单：它模拟的是一种简单的规则映射，与实际业务中复杂的多条件分支有区别，但设计模式可以借鉴。

3. 环境准备与前置条件

要动手实现和测试 Fizz Buzz，你只需要一个最简单的编程环境。

编程语言：任选你熟悉的语言。本文示例将主要使用Python 3和Java，因其在算法领域使用广泛，语法清晰。
开发环境：
- Python：安装 Python 3.x。推荐使用 IDE 如 PyCharm、VS Code，或直接在 Jupyter Notebook 中运行。
- Java：安装 JDK 8 或更高版本。使用 IDE 如 IntelliJ IDEA、Eclipse，或通过命令行编译运行。
LeetCode 环境：如果你想在力扣平台上直接运行，只需有一个力扣账号，在题目页面即可编写代码并在线测试。
本地测试脚本：准备一个简单的main函数或脚本，用于验证你的解法对不同输入n的输出是否正确。

没有复杂的依赖包或框架要求，这道题的核心就是纯粹的逻辑。

4. 最直接的解法：if-else 瀑布流

我们从最符合直觉的解法开始。对于每个数字i，我们按顺序检查条件。

Python 实现：

def fizzBuzz(n: int): answer = [] for i in range(1, n + 1): if i % 3 == 0 and i % 5 == 0: answer.append("FizzBuzz") elif i % 3 == 0: answer.append("Fizz") elif i % 5 == 0: answer.append("Buzz") else: answer.append(str(i)) return answer # 测试 print(fizzBuzz(15)) # 输出: ['1', '2', 'Fizz', '4', 'Buzz', 'Fizz', '7', '8', 'Fizz', 'Buzz', '11', 'Fizz', '13', '14', 'FizzBuzz']

Java 实现：

import java.util.ArrayList; import java.util.List; public class Solution { public List<String> fizzBuzz(int n) { List<String> answer = new ArrayList<>(); for (int i = 1; i <= n; i++) { if (i % 3 == 0 && i % 5 == 0) { answer.add("FizzBuzz"); } else if (i % 3 == 0) { answer.add("Fizz"); } else if (i % 5 == 0) { answer.add("Buzz"); } else { answer.add(Integer.toString(i)); } } return answer; } }

解法分析：

思路：遍历每个数，用取模运算符%判断整除性。注意检查顺序：必须先判断“同时被3和5整除”，否则会被单个条件提前拦截。
优点：极其直观，任何人一眼就能看懂。在面试紧张环境下，能快速写出来就是胜利。
缺点：
1. 重复计算：i % 3和i % 5计算了多次。
2. 条件判断耦合：”FizzBuzz” 这个条件实际上是 “Fizz” 和 “Buzz” 的组合，但代码里是独立的字符串，如果未来要改输出，需要修改多处。
3. 扩展性差：如果增加一条新规则（如7->“Jazz”），需要修改if-else链，很容易出错。

这是你的“保底”解法，但我们可以做得更好。

5. 优化解法一：字符串拼接法

我们注意到 “FizzBuzz” 是 “Fizz” 和 “Buzz” 的拼接。我们可以先初始化一个空字符串，如果满足某个条件就拼接对应的词，最后如果字符串还是空的，就用数字本身。

Python 实现：

def fizzBuzz(n: int): answer = [] for i in range(1, n + 1): current_str = "" if i % 3 == 0: current_str += "Fizz" if i % 5 == 0: current_str += "Buzz" if not current_str: # 如果字符串为空 current_str = str(i) answer.append(current_str) return answer

解法分析：

思路：将每个输出视为由多个部分（“Fizz”, “Buzz”）拼接而成。使用独立的if语句而非elif，让条件判断解耦。
优点：
1. 消除了条件顺序的依赖：不再需要先判断 “FizzBuzz”。
2. 提高了可扩展性：要加新规则（如if i % 7 == 0: current_str += “Jazz”），只需增加一个独立的if块，不会影响原有逻辑。
3. 逻辑更清晰：每个条件只负责自己的那部分输出。
缺点：仍然有重复的取模运算。

6. 优化解法二：哈希映射法（应对规则扩展）

这是面试官最希望看到的，能体现你设计能力的解法。当规则数量增多或可能变化时，if-else链会变得难以维护。我们可以使用一个字典（哈希表）来维护映射关系。

核心思想：将除数与对应的输出词建立映射。对于每个数字i，遍历映射中的所有条目，如果i能被某个除数整除，就将对应的词拼接到结果字符串中。

Python 实现：

def fizzBuzz(n: int): answer = [] # 定义映射规则，顺序可能影响输出拼接顺序（本例中无影响） fizz_buzz_dict = { 3: "Fizz", 5: "Buzz", # 7: "Jazz", # 可以轻松扩展 } for i in range(1, n + 1): current_str = "" for divisor, word in fizz_buzz_dict.items(): if i % divisor == 0: current_str += word if not current_str: current_str = str(i) answer.append(current_str) return answer

解法分析：

思路：将业务规则（除数->输出词）从核心逻辑（遍历与判断）中分离出来，存储在数据结构中。
优点：
1. 极强的可扩展性和可维护性：要修改、增加、删除规则，只需改动fizz_buzz_dict字典，核心循环代码完全不用动。这是面向修改封闭、面向扩展开放的优秀实践。
2. 代码更简洁：核心逻辑变成一个双重循环，外循环遍历数字，内循环遍历规则。
3. 易于测试：可以轻松为不同的映射规则编写测试用例。
缺点：对于只有两三条规则的本题，显得有些“杀鸡用牛刀”。但在面试中提出这种解法，能显著展示你的工程化思维。
性能：时间复杂度为 O(n * k)，其中 k 是规则数量。由于 k 通常很小且固定，依然是 O(n) 级别。

7. 功能测试与效果验证

无论采用哪种解法，都需要进行测试。我们设计几个测试用例来验证程序的正确性。

测试用例设计：

基础功能测试：n=3，应输出[“1”, “2”, “Fizz”]。
边界条件测试：n=1，应输出[“1”]。n=0（如果题目允许，但本题通常 n>=1），应输出空列表[]。
典型功能测试：n=15，应包含 “Fizz”, “Buzz”, “FizzBuzz” 等所有情况。
扩展规则测试（针对哈希映射法）：增加规则7: “Jazz”，测试n=21时是否正确输出 “FizzBuzzJazz”（因为21是3、5、7的公倍数？不对，3、5、7最小公倍数是105，21只是3和7的公倍数，应输出“FizzJazz”）。

编写一个简单的测试函数：

def test_fizzBuzz(): # 测试解法一 assert fizzBuzz_if_else(3) == [“1”, “2”, “Fizz”] assert fizzBuzz_if_else(15)[14] == “FizzBuzz” # 第15个元素（索引14） # 测试字符串拼接法 assert fizzBuzz_concat(5) == [“1”, “2”, “Fizz”, “4”, “Buzz”] # 测试哈希映射法及其扩展 result = fizzBuzz_hash(21) # 使用扩展了7->Jazz规则的函数 # 检查第21个元素（索引20）是否是 “FizzJazz” assert result[20] == “FizzJazz” print(“所有测试用例通过！”) if __name__ == “__main__”: test_fizzBuzz()

运行与验证：在本地运行上述测试脚本。如果所有断言（assert）都通过，则说明你的实现在这些用例上是正确的。力扣平台本身也提供了多个测试用例，在线提交是最终的验证。

8. 接口 API 与批量任务思考

虽然 Fizz Buzz 本身不涉及网络接口，但我们可以将其思想延伸到更广泛的场景。假设你需要提供一个微服务，接收一个数字n，返回 Fizz Buzz 列表。

设计一个简单的 REST API 示例（使用 Python Flask 框架）：

from flask import Flask, request, jsonify app = Flask(__name__) def fizzBuzz_logic(n): # 这里可以使用上面任何一种实现，推荐哈希映射法 fizz_buzz_dict = {3: “Fizz”, 5: “Buzz”} answer = [] for i in range(1, n + 1): current_str = “” for divisor, word in fizz_buzz_dict.items(): if i % divisor == 0: current_str += word if not current_str: current_str = str(i) answer.append(current_str) return answer @app.route(‘/api/fizzbuzz’, methods=[‘GET’]) def get_fizzbuzz(): try: n = int(request.args.get(‘n’, 15)) # 默认n=15 if n < 1: return jsonify({“error”: “Parameter n must be a positive integer”}), 400 result = fizzBuzz_logic(n) return jsonify({“n”: n, “result”: result}) except ValueError: return jsonify({“error”: “Invalid parameter n”}), 400 if __name__ == ‘__main__’: app.run(debug=True)

启动服务后，可以通过http://127.0.0.1:5000/api/fizzbuzz?n=20来获取结果。

批量任务场景：如果需要处理大量不同的n，可以将这个服务放入任务队列（如 Celery + Redis）。核心逻辑不变，只是增加了任务分发、状态管理和结果收集的框架代码。这体现了将核心算法与运行环境解耦的好处。

9. 资源占用与性能观察

对于 Fizz Buzz 这类问题，性能分析相对简单：

时间复杂度：所有解法都是 O(n)，因为必须遍历 1 到 n 的每个整数。哈希映射法内层多了一个遍历规则的循环，但规则数 k 是常数，所以依然是 O(n)。
空间复杂度：O(n)，用于存储长度为 n 的结果列表。这是题目要求返回列表所决定的。如果题目改为“打印输出”，则空间复杂度可降至 O(1)。
内存占用：主要取决于结果列表answer。每个元素是一个字符串，在 Python 中字符串对象有开销。当 n 很大（如 10^7）时，内存消耗会变得显著。在这种情况下，可以考虑流式输出（生成器），而不是一次性构建整个列表。

Python 生成器示例（流式输出）：

def fizzBuzz_generator(n: int): fizz_buzz_dict = {3: “Fizz”, 5: “Buzz”} for i in range(1, n + 1): current_str = “” for divisor, word in fizz_buzz_dict.items(): if i % divisor == 0: current_str += word if not current_str: current_str = str(i) yield current_str # 使用 yield 而非 append # 使用方式 for item in fizzBuzz_generator(100): print(item) # 或者处理每一项，无需等待整个列表生成

这种方法极大地减少了内存峰值占用，适合处理超大规模数据或作为数据管道的一部分。

10. 常见问题与排查方法

在实现和面试讨论中，可能会遇到以下问题：

问题现象	可能原因	排查方式	解决方案
输出中缺少 “FizzBuzz”，只有 “Fizz” 或 “Buzz”	`if-else`条件顺序错误，先判断了单个条件	检查`if-elif-else`链，确保`i % 3 == 0 and i % 5 == 0`在最前面	调整条件判断顺序，或改用字符串拼接法
对于 15 的倍数，输出是 “Fizz” 或 “Buzz” 而不是 “FizzBuzz”	同上，或逻辑运算符错误（用了`or`而不是`and`）	检查判断 15 倍数的条件逻辑	使用`i % 15 == 0`或`i % 3 == 0 and i % 5 == 0`
程序运行结果完全不对（如全是数字）	循环范围错误，例如`range(n)`漏掉了`n`本身	检查`for`循环的起止点，应是`range(1, n+1)`	修正循环范围，确保包含 1 到 n
输出列表包含数字类型而非字符串	在数字分支使用了`i`而不是`str(i)`	检查`else`分支或默认分支的返回值	确保所有分支都返回字符串类型
面试中被问到“如果规则非常多怎么办”	只回答了`if-else`链，未考虑可扩展设计	回顾自己的解法	引出“哈希映射法”，讨论其将规则与逻辑解耦的优势
内存占用过高（当n极大时）	一次性构建了整个结果列表	分析代码是否使用了列表存储所有结果	考虑使用生成器（yield）进行流式处理