本文详解如何修复因数组引用导致的逻辑错误，通过深拷贝避免副作用，正确统计最高分和最低分的破纪录次数。
本文详解如何修复因数组引用导致的逻辑错误，通过深拷贝避免副作用，正确统计最高分和最低分的破纪录次数。
在解决经典的「Breaking Records」（破纪录）问题时，核心目标是：给定一个整数数组表示连续比赛得分，统计打破最高分纪录的次数（严格大于此前所有成绩）和打破最低分纪录的次数（严格小于此前所有成绩），首项不计入统计。
原代码看似逻辑清晰——分别定义 HP()（High Peak）和 LP()（Low Peak）函数遍历数组、剔除非峰值元素、再计数。但实际运行结果错误（如输入 [10,5,20,20,4,5,2,25,1] 输出非预期的 [?, ?]），根本原因在于 JavaScript 中数组是引用类型。
观察原代码关键片段：
function HP(array) {
var b = array; // ❌ 错误：b 与 scores 指向同一内存地址
// ... 后续对 b 的 splice() 操作会直接修改原始 scores 数组！
}当 HP() 执行 b.splice() 时，由于 b = array 是浅赋值，原始 scores 数组被意外修改；紧接着 LP() 接收的已是残缺数组，导致低分统计完全失真——这正是“单独运行函数正常，合起来就出错”的根源。
立即学习“Java免费学习笔记（深入）”；
✅ 正确做法：使用扩展运算符 [...array] 创建独立副本，确保两次遍历互不影响：
function HP(array) {
var b = [...array]; // ✅ 创建新数组，隔离副作用
var temp = b[0];
for (let i = 1; i < b.length; i++) {
if (temp > b[i]) {
b.splice(i, 1);
i--; // 回退索引以补偿删除
} else {
temp = b[i]; // 更新当前最高分基准
}
}
// 去重并统计严格大于首个元素的次数（即新高点）
const unique = [...new Set(b)];
return unique.filter(val => val > unique[0]).length;
}
function LP(array) {
var a = [...array]; // ✅ 同样创建副本
var temp = a[0];
for (let j = 1; j < a.length; j++) {
if (temp < a[j]) {
a.splice(j, 1);
j--;
} else {
temp = a[j];
}
}
const unique = [...new Set(a)];
return unique.filter(val => val < unique[0]).length;
}不过，上述去重+过滤逻辑仍显冗余。更简洁、高效且符合题意的实现应一次遍历完成统计，无需修改原数组：
function breakingRecords(scores) {
if (scores.length < 2) return [0, 0];
let maxRecord = scores[0], minRecord = scores[0];
let highCount = 0, lowCount = 0;
for (let i = 1; i < scores.length; i++) {
if (scores[i] > maxRecord) {
maxRecord = scores[i];
highCount++;
}
if (scores[i] < minRecord) {
minRecord = scores[i];
lowCount++;
}
}
return [highCount, lowCount]; // 注意：题目要求 [高破纪录数, 低破纪录数]
}
// 测试
const scores = [10, 5, 20, 20, 4, 5, 2, 25, 1];
console.log(breakingRecords(scores)); // 输出: [2, 4]⚠️ 关键注意事项：
- 引用 vs 值语义：始终警惕对象/数组赋值默认为引用传递，需用 [...arr]、Array.from() 或 slice() 显式拷贝；
- 索引维护：splice() 会改变数组长度，循环中删除元素必须手动调整索引（如 i--），否则跳过后续项；
- 题目语义：[2, 4] 中 2 指突破最高分（20 → 25），4 指突破最低分（5 → 4 → 2 → 1），首项 10 是初始基准，不参与计数；
- 性能优化：避免多次遍历、去重和嵌套过滤，单次线性扫描（O(n)）即可达成最优解。
综上，修复引用副作用是解决本题的第一步，而采用一次遍历的贪心策略，则是写出健壮、高效、可读性强的生产级代码的关键。
