给出一个由‘O’和‘X’组成的矩阵，在矩阵中的所有‘X’所在的行、列都需要变成‘O’。 如果在矩阵边界上的‘O’所在的行、列被‘X’包围，则这些‘O’也需要变成‘X’。 样例： 输入： [ ["X","X","X","X"], ["X","O","O","X"], ["X","X","O","X"], ["X","O","X","X"] ] 输出： [ ["X","X","X","X"], ["X","X","X","X"], ["X","X","X","X"], ["X","O","X","X"] ] ，代码注释

好的，这是一个比较经典的矩阵操作问题。以下是用 Python 实现的解答：

def solve(matrix):
    if not matrix:
        return
    
    # 获取矩阵的行数和列数
    m, n = len(matrix), len(matrix[0])
    
    # 定义一个辅助函数，用于搜索并标记相邻的 'O'
    def dfs(i, j):
        if i >= m or i < 0 or j >= n or j < 0 or matrix[i][j] != 'O':
            return
        matrix[i][j] = '#'
        dfs(i + 1, j)
        dfs(i - 1, j)
        dfs(i, j + 1)
        dfs(i, j - 1)
    
    # 遍历第一列和最后一列，将与 'O' 相邻的位置标记为 '#'
    for i in range(m):
        dfs(i, 0)
        dfs(i, n - 1)
    
    # 遍历第一行和最后一行，将与 'O' 相邻的位置标记为 '#'
    for j in range(n):
        dfs(0, j)
        dfs(m - 1, j)
    
    # 将所有未被标记的 'O' 修改为 'X'，将标记过的 '#' 修改回 'O'
    for i in range(m):
        for j in range(n):
            if matrix[i][j] == 'O':
                matrix[i][j] = 'X'
            elif matrix[i][j] == '#':
                matrix[i][j] = 'O'

这个算法的时间复杂度为 $O(mn)$，其中 $m$ 和 $n$ 分别是矩阵的行数和列数。