笔试题1 -- 吃掉字符串中相邻的相同字符（点击消除_牛客网）

吃掉字符串中相邻的相同字符

题目链接： 点击消除_牛客网

题目重现

牛牛拿到了一个字符串。
他每次“点击”，可以把字符串中相邻两个相同字母消除，例如，字符串 “abbc” 点击后可以生成 “ac”。
但相同而不相邻、不相同的相邻字母都是不可以被消除的。
牛牛想把字符串变得尽可能短。他想知道，当他点击了足够多次之后，字符串的最终形态是什么？

输入描述

一个字符串，仅由小写字母组成。（字符串长度不大于300000）

输出描述

一个字符串，为“点击消除”后的最终形态。若最终的字符串为空串，则输出0。

解法一：(基于 erase() 函数实现)

缺点：

• 效率问题：使用 erase() 函数会导致字符串中的元素频繁移动，特别是在字符串较长时，这会造成较大的性能开销。
• 复杂的边界处理：代码中需要多次检查迭代器是否到达字符串的末尾，这增加了代码的复杂性。

代码示例：

void eatCharacters(std::string& s)
{
	auto cur = s.begin();
	auto pre = cur + 1;
	for (; pre != s.end(); pre++, cur++)
	{
		while (*cur == *pre)
		{
			bool cur_is_begin = (cur == s.begin()) ? true : false;
			auto cur_l = cur - 1;

			pre = s.erase(cur, pre + 1);
			if (pre == s.end()) { return; }		// 注意这里判断避免后面越界
			if (cur_is_begin)
			{
				cur = pre;
				pre++;
				if (pre == s.end()) { return; }		// 注意这里判断避免后面越界
			}
			else
			{
				cur = cur_l;
			}
		}
	}
}

void test() {
	std::string input;
	std::cin >> input; // 从标准输入读取字符串

	eatCharacters(input);
	if (input.size() == 0)
	{
		cout << 0 << endl;
	}
	else
	{
		std::cout << input << std::endl; // 输出最终状态
	}
}

提交截图：

评价：

时间复杂度：

• 最坏情况下，每次 erase() 调用都可能导致整个字符串的复制，因此时间复杂度为 O(n^2)，其中 n 是字符串的长度。

空间复杂度：

• 由于直接在原字符串上操作，空间复杂度为 O(1)。

实际运行时间：

• 在字符串较短或者需要消除的字符对较少时，这种方法可能表现得相当快。
• 在字符串较长且有大量相邻字符对需要消除时，性能会显著下降。

适用场景：

• 当处理的字符串较短，且内存资源受限时，这种方法可能更合适。

解法二：（利用 栈 辅助实现）

缺点：

• 空间复杂度：虽然时间复杂度有所优化，但是这种方法需要额外的空间来存储栈。

代码示例：

void eatCharacters(std::string& s) {
	stack<char> st;

	for (auto e : s)
	{
		if (st.empty() || st.top() != e) { st.push(e); }
		else {
			st.pop();
		}
	}

	s.clear();
	while (!st.empty())
	{
		s = st.top() + s;
		st.pop();
	}
}

void test() {
	std::string input;
	std::cin >> input; // 从标准输入读取字符串

	eatCharacters(input);
	if (input.size() == 0)
	{
		cout << 0 << endl;
	}
	else
	{
		std::cout << input << std::endl; // 输出最终状态
	}

}

提交截图：

评价：

时间复杂度：

• 由于每个字符只被处理一次，时间复杂度为 O(n)。

空间复杂度：

• 需要一个额外的栈来存储字符，最坏情况下空间复杂度为 O(n)。

实际运行时间：

• 对于任何长度的字符串，这种方法都能保持稳定的性能。
• 在处理大量数据时，这种方法的性能优势更加明显。

适用场景：

• 当处理的字符串非常长，或者需要频繁执行消除操作时，这种方法更为高效。

总结

​ 在选择解法时，应考虑问题的规模和性能要求。对于小规模数据，两种方法都可以工作得很好，但解法一可能更节省内存。对于大规模数据，解法二的性能优势将非常明显，尽管它需要更多的内存。在实际应用中，如果内存不是问题，推荐使用解法二，因为它提供了更好的时间效率和代码的可维护性。
执行消除操作时，这种方法更为高效。