题目求什么，就二分什么。
标准开区间写法：
python
def binary_search(condition):
left = min_possible - 1 # 确保答案在区间右侧
right = max_possible + 1 # 确保答案在区间左侧
while left + 1 < right:
mid = left + (right - left) // 2
if condition(mid):
right = mid # 收缩右边界
else:
left = mid # 收缩左边界
return right # 返回第一个满足条件的值以开区间二分为例：
- 求最小：check(mid) == true 时更新 right = mid，反之更新 left = mid，最后返回 right。
- 求最大：check(mid) == true 时更新 left = mid，反之更新 right = mid，最后返回 left。
- 对于开区间写法，简单来说 check(mid) == true 时更新的是谁，最后就返回谁。相比其他二分写法，开区间写法不需要思考加一减一等细节，推荐使用开区间写二分
md
给你一个整数数组 citations ，其中 citations[i] 表示研究者的第 i 篇论文被引用的次数，citations 已经按照 非降序排列 。计算并返回该研究者的 h 指数。
h 指数的定义：h 代表“高引用次数”（high citations），一名科研人员的 h 指数是指他（她）的 （n 篇论文中）至少 有 h 篇论文分别被引用了至少 h 次。
请你设计并实现对数时间复杂度的算法解决此问题。
示例 1：
输入：citations = [0,1,3,5,6]
输出：3
解释：给定数组表示研究者总共有 5 篇论文，每篇论文相应的被引用了 0, 1, 3, 5, 6 次。
由于研究者有3篇论文每篇 至少 被引用了 3 次，其余两篇论文每篇被引用 不多于 3 次，所以她的 h 指数是 3 。python
class Solution:
def isH(self, citations, h) -> bool:
# 判断是否存在h篇论文的引用次数 >= h
count = 0
for cit in citations:
if cit >= h:
count +=1
return count >= h
def hIndex(self, citations: List[int]) -> int:
if not citations:
return 0
left = 0
right = len(citations)+1
# 找最小的一个true，返回left
while left +1 < right:
mid = left + (right-left)//2
if self.isH(citations,mid):
left = mid # 更新left，找更大的。
else:
right = mid
return left # 在求最大的题目中， check(mid) == true 时更新的是谁，最后就返回谁。