题目重点：结合两篇 Netflix 面经澄清首页多行标题去重的作用域、跳过标题后的补位语义与每行不同 X 追问，给出线性扫描实现。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 训练代码把 X 解释为每行前 X 个实际输出位置；跳过重复候选后继续扫描以补足这些位置。题目写 viewport 最多显示 X 个，但未明确被跳过候选是否补位，因此需面试时确认。
- 同一行所有输出都行内唯一。前 X 个输出位置还要与之前所有行的前 X 个已展示标题不同；后续位置允许与此前行重复。
- 输入按行顺序与各行原顺序扫描；title 可哈希。垂直可视范围视为无限；X 非负。
解题路线
- 维护 global_visible，存此前占据各行前 X 个输出位的 title。每行新建 local，存本行已输出 title。
- 扫描候选时先排除本行已输出者。若当前输出数仍小于 X，再排除 global_visible 中的 title；接纳后同时写 global_visible 与 local。若已满 X，只检查 local。
- 的每行不同 X 追问只需把本行阈值改为 X_i；特殊行是否向 global_visible 贡献标题与是否仍受前行限制，是两条独立规则，应先澄清再改代码。
手动走一遍
训练例 shelves=[[1,2,2,3],[2,4,1,5]], X=2。首行输出 [1,2,3]；第二行前两位跳过 2、1，收下 4、5，输出 [4,5]。若第二行后面又出现 2，已越过前两位，可输出 2；但再次出现 4 会被行内集合拦下。
Python 参考实现
下面的代码按上文假设实现，适合本地运行并追加自己的测试用例。
代码区可横向滚动；使用键盘时，先聚焦代码区再按方向键查看。
def dedupe_shelves(shelves, viewport_size):
"""Global uniqueness applies only to each shelf's first viewport_size outputs."""
if viewport_size < 0:
raise ValueError("viewport_size must be nonnegative")
global_visible = set()
result = []
for shelf in shelves:
output = []
local = set()
for title in shelf:
if title in local:
continue
if len(output) < viewport_size:
if title in global_visible:
continue
global_visible.add(title)
output.append(title)
local.add(title)
result.append(output)
return result
复杂度
总候选标题数 N，预期哈希时间 O(N)；空间 O(G+L+O)，G 为跨行前 X 个标题的不同数、L 为当前行已输出标题数、O 为结果大小。若不保留全部输出，只流式生成行，额外空间可降至 O(G+L)。
易错点与追问
容易失分的边界
- 整行跨行去重，会错误删除 X 之后允许出现的标题。
- 只用一个全局 set，不维护 local，导致行内重复重新出现。
- 把全局 set 的长度当成当前行的位置；前面所有行都会污染阈值。
- 被跳过候选是否占 viewport 位未确认就下结论。
- 把一个帖中候选人多次修改的版本当成多道独立原题。
继续深挖
- 每行 X_i 不同，是否共享一个跨行全局集合？
- 某些特殊行豁免跨行去重时，是否仍占后续行的全局名额？
- 若按实际水平滚动 viewport 去重，已离开视口的标题何时可重新展示？
