当前位置: 首页 > article >正文

xdoj isbn号码

ISBN 号码

问题描述

每一本正式出版的图书都有一个 ISBN 号码与之对应,ISBN 码包括 9 位数字、1 位识别码和 3 位分隔符,其规定格式如"x-xxx-xxxxx-x", 其中符号“-”是分隔符(键盘上的减号),最后一位是识别码,例如 0-670-82162- 4 就是一个标准的 ISBN 码。

ISBN 码的首位数字表示书籍的出版语言,例如 0 代表英语; 第一个分隔符“-”之后的三位数字代表出版社,例如 670 代表维京出版社; 第二个分隔之后的五位数字代表该书在出版社的编号; 最后一位为识别码。识别码的计算方法如下: 首位数字乘以 1 加上次位数字乘以 2……以此类推,用所得的结果 mod 11,所得 的余数即为识别码,如果余数为 10,则识别码为大写字母 X。 例如 ISBN 号码 0-670-82162-4 中的识别码 4 是这样得到的: 对 067082162 这 9 个数字,从左至右,分别乘以 1,2,…,9,再求和,即 0× 1+6×2+……+2×9=158,然后取 158 mod 11 的结果 4 作为识别码。 编写程序判断输入的 ISBN 号码中识别码是否正确,如果正确,则仅输出“Right”; 如果错误,则输出正确的 ISBN 号码。

输入说明

输入只有一行,是一个字符序列,表示一本书的 ISBN 号码(保证输入符合 ISBN 号码的格式要求)。

输出说明

输出一行,假如输入的 ISBN 号码的识别码正确,那么输出“Right”,否则,按照 规定的格式,输出正确的 ISBN 号码(包括分隔符“-”)。

样例数据

输入样例 1

0-670-82162-4

输出样例 1

Right

输入样例 2

0-670-82162-0

输出样例 2

0-670-82162-4

 

#include <stdio.h>
#include <stdlib.h>
#include<math.h>
#include<ctype.h>
#include<string.h>
int main()
{   int weigh=0,i,sum=0;
    char isbn[14];
    
    gets(isbn);
    for(i=0;i<12;i++){
    	if(isdigit(isbn[i])){
    		weigh++;
    		sum+=(isbn[i]-'0')*weigh;
		}
	}
	int t=sum%11;
	if(t==10){
		if(isbn[12]=='X'){
			printf("Right");
		}
		else{
            isbn[12]='x';
			printf("%s",isbn);
		}
	}
	else{
		if(isbn[12]==t+'0'){
			printf("Right");
		} 
		else{
			isbn[12]=t+'0';
			printf("%s",isbn);
		}
	}
    
	 return 0;
}

 


http://www.kler.cn/a/465718.html

相关文章:

  • 深入解析 Linux 设备树中的引脚控制(pinctrl)二
  • Kafka消息队列
  • 鸿蒙应用开发(2)
  • 声音是如何产生的
  • Tailwind CSS 使用简介
  • spring mvc源码学习笔记之五
  • echarts 饼图超过9种颜色就重复了,如何自定义颜色
  • 【vue项目中漏洞修复】
  • Spring源码分析之事件机制——观察者模式(一)
  • 硬件-射频-PCB-常见天线分类-ESP32实例
  • 855. 考场就座
  • 线性代数自学资源推荐我的个人学习心得
  • Java 代码审计入门-07】SQL关键字
  • HTML5新特性|05 CSS3边框CSS3背景
  • 每天40分玩转Django:Django性能优化
  • wpf 国际化 try catch comboBox
  • C# 设计模式(结构型模式):享元模式
  • 如何在iOS 11 中禁用高效图像格式 (HEIF)
  • 【Vim Masterclass 笔记01】Section 1:Course Overview + Section 2:Vim Quickstart
  • 适用不同业务场景的6种销售预测模型
  • WPF自定义任务栏缩略图
  • CSS进阶和SASS
  • halcon三维点云数据处理(二)
  • 《向量数据库指南》混合检索系统的深度探索与实践:从POC到生产级解决方案的构建
  • 毕设中所学
  • MCA:用于图像识别的深度卷积神经网络中的多维协同注意力