从两个范围中选择点，使得两个范围内都没有点

有时我们需要在两个范围之间选择一个点，使得这个点既不在范围1中也不在范围2中。

下面是几种常见的实现方法：

1. 暴力枚举

该方法最简单直接，但是时间复杂度较高。

代码示例：

def find_point(range1, range2):
    for i in range(min(range1), max(range1)+1):
        if i not in range2:
            return i

时间复杂度：$O(n^2)$

2. 排序

将两个范围合并，去重后排序，然后从头到尾扫描找到符合条件的点。

代码示例：

def find_point(range1, range2):
    nums = sorted(set(list(range1)+list(range2)))
    n = len(nums)
    for i in range(1, n):
        if nums[i] - nums[i-1] > 1:
            return nums[i-1] + 1
    return nums[-1] + 1

时间复杂度：$O(n\log n)$

3. 哈希表

将两个范围中的数字分别存入两个哈希表，然后从最小的数开始逐步向后扫描，直到找到符合条件的数。

代码示例：

def find_point(range1, range2):
    set1 = set(range1)
    set2 = set(range2)
    n = min(min(range1), min(range2))
    while n in set1 or n in set2:
        n += 1
    return n

时间复杂度：$O(max(n_1, n_2))$，其中 $n_1$ 和 $n_2$ 分别为两个范围的长度。

4. 位运算

将两个范围的数映射到位图上，然后进行按位或（|）操作，得到的结果就是两个范围的并集。再将这个结果与按位非（~）操作的范围的并集进行按位与（&）操作，得到的就是符合条件的数。

代码示例：

def find_point(range1, range2):
    bitmap = 0
    for i in range1:
        bitmap |= 1 << i
    for i in range2:
        bitmap |= 1 << i
    n = min(min(range1), min(range2))
    while bitmap & (1 << n) or ~bitmap & (1 << n):
        n += 1
    return n

时间复杂度：$O(n)$，其中 $n$ 为两个范围中不同的数的个数。