leetcode--python--hot100--221

最大正方形

方法一：暴力法，有很多细节注意

class Solution:
    def maximalSquare(self, matrix: List[List[str]]) -> int:
        if not matrix:
            return 0
        max_length = 0
        for i in range(len(matrix)):
            for j in range(len(matrix[0])):
                if matrix[i][j] == "1":
                    Flag = False
                    max_length = max(max_length, 1)#这里这样写的目的是，在循环的时候，加入已经求得了一个max_length大于1的，我们再重新进行循环的时候，如果我们没有进行到下面max_length = max(k+1, max_length)这里，此时max_length=1，所以这里要求max
                    max_side = min(len(matrix) - i, len(matrix[0]) - j)
                    for k in range(1, max_side):
                        
                        if matrix[i+k][j+k] == "0":
                            break
                        for m in range(k):
                            if matrix[i+k][j+m] == "0" or matrix[i+m][j+k] == "0":
                                Flag = True
                                break
                        if Flag:#Flag用来跳出循环(max_side)，当Flag为True时表示上面的k循环没有遍历完，但是我们不需要再继续下面的循环了，所以需要跳出大循环
                            break
                        else:
                            
                            max_length = max(k+1, max_length)
        return max_length ** 2

方法二：动态规划，状态转移方程理解参考

        if not matrix:
            return 0
        dp = [[0 for _ in range(len(matrix[0]))] for _ in range(len(matrix))]
        max_side = 0
        for i in range(len(matrix)):
            for j in range(len(matrix[0])):
                if i == 0 or j == 0:
                    dp[i][j] = int(matrix[i][j])
                else:
                    if matrix[i][j] == "1":
                        dp[i][j] = min(dp[i-1][j], dp[i-1][j-1], dp[i][j-1]) + 1
                    else:
                        dp[i][j] = 0
                max_side = max(max_side, dp[i][j])

        return max_side ** 2