原题:https://leetcode-cn.com/problems/longest-common-prefix
编写一个函数来查找字符串数组中的最长公共前缀。
如果不存在公共前缀,返回空字符串 ""。
示例 1:
输入: ["flower","flow","flight"]
输出: "fl"
示例 2:输入: ["dog","racecar","car"]
输出: ""
解释: 输入不存在公共前缀。
说明:所有输入只包含小写字母 a-z 。
我的思路:
1、如果字符串包含“”或者字符串数组为空,直接返回“”
2、否则,取字符串数组中第一个字符串的长度len以及第一个字符作为前缀
3、对字符串数组遍历,如果都符合长度不超过len且字符串的前缀相同,则前缀加一个字符
否则跳出循环,前缀减少一个字符。
class Solution {
public String longestCommonPrefix(String[] strs) {
int len = 0;
String s_ = "";
boolean bool = false;
if(strs.length == 0 || Arrays.asList(strs).contains("")){
return "";
}else{
len = strs[0].length();
s_ = String.valueOf(strs[0].charAt(0));
}
for(int i = 0;i<len;i++){
for(String str : strs){
if(str.length() > i && s_.equals(str.substring(0,s_.length()))){
bool = true;
}else{
bool = false;
break;
}
}
if(bool == true && i < strs[0].length() -1){
s_ = strs[0].substring(0,i+2);
}else if(bool == false){
s_ = s_.substring(0,s_.length()-1);
return s_;
}
}
return s_;
}
}
性能分析:
呃,简单粗暴性能差
官方解法:https://leetcode-cn.com/problems/longest-common-prefix/solution/zui-chang-gong-gong-qian-zhui-by-leetcode/
算法一:水平扫描法
思路:
首先,我们将描述一种查找一组字符串的最长公共前缀 LCP(S1...Sn)的简单方法。
我们将会用到这样的结论:
LCP(S1 ... Sn) = LCP(LCP(LCP(S1, S2),S3),... Sn)
算法:
为了运用这种思想,算法要依次遍历字符串 [S1... Sn],当遍历到第 i 个字符串的时候,找到最长公共前缀 LCP(S1... Si) 。当 LCP(S1 ...Si) 是一个空串的时候,算法就结束了。 否则,在执行了 n次遍历之后,算法就会返回最终答案 LCP(S1... Sn)。
public String longestCommonPrefix(String[] strs) {
if (strs.length == 0) return "";
String prefix = strs[0];
for (int i = 1; i < strs.length; i++)
while (strs[i].indexOf(prefix) != 0) {
prefix = prefix.substring(0, prefix.length() - 1);
if (prefix.isEmpty()) return "";
}
return prefix;
}
复杂度分析
- 时间复杂度:O(S),S 是所有字符串中字符数量的总和。
最坏的情况下,n 个字符串都是相同的。算法会将 S1 与其他字符串 [S2 ...Sn]都做一次比较。这样就会进行 S 次字符比较,其中 S是输入数据中所有字符数量。
- 空间复杂度:O(1),我们只需要使用常数级别的额外空间。
算法二:水平扫描
想象数组的末尾有一个非常短的字符串,使用上述方法依旧会进行 S 次比较。优化这类情况的一种方法就是水平扫描。我们从前往后枚举字符串的每一列,先比较每个字符串相同列上的字符(即不同字符串相同下标的字符)然后再进行对下一列的比较。
public String longestCommonPrefix(String[] strs) {
if (strs == null || strs.length == 0) return "";
for (int i = 0; i < strs[0].length() ; i++){
char c = strs[0].charAt(i);
for (int j = 1; j < strs.length; j++) {
if (i == strs[j].length() || strs[j].charAt(i) != c)
return strs[0].substring(0, i);
}
}
return strs[0];
}
复杂度分析
- 时间复杂度:O(S),S 是所有字符串中字符数量的总和。
最坏情况下,输入数据为 n 个长度为 m 的相同字符串,算法会进行 S = m*n 次比较。可以看到最坏情况下,本算法的效率与算法一相同,但是最好的情况下,算法只需要进行 n*minLen 次比较,其中 minLen是数组中最短字符串的长度。
- 空间复杂度:O(1),我们只需要使用常数级别的额外空间。
算法三:分治
思路:
这个算法的思路来自于LCP操作的结合律。 我们可以发现:
LCP(S1...Sn) = LCP(LCP(S1...Sk), LCP (S{k+1}...Sn)),其中 LCP(S1...Sn)是字符串 [S1...S_n]的最长公共前缀,1 < k <n。
算法:
为了应用上述的结论,我们使用分治的技巧,将原问题 LCP(Si...Sj)分成两个子问题 LCP(Si...Smid)与 LCP(S{mid+1}, Sj),其中 mid = (i+j)/2。 我们用子问题的解 lcpLeft 与 lcpRight 构造原问题的解 LCP(Si...Sj)。 从头到尾挨个比较 lcpLeft 与 lcpRight 中的字符,直到不能再匹配为止。 计算所得的 lcpLeft 与 lcpRight 最长公共前缀就是原问题的解 LCP(Si...Sj)。
public String longestCommonPrefix(String[] strs) {
if (strs == null || strs.length == 0) return "";
return longestCommonPrefix(strs, 0 , strs.length - 1);
}
private String longestCommonPrefix(String[] strs, int l, int r) {
if (l == r) {
return strs[l];
}
else {
int mid = (l + r)/2;
String lcpLeft = longestCommonPrefix(strs, l , mid);
String lcpRight = longestCommonPrefix(strs, mid + 1,r);
return commonPrefix(lcpLeft, lcpRight);
}
}
String commonPrefix(String left,String right) {
int min = Math.min(left.length(), right.length());
for (int i = 0; i < min; i++) {
if ( left.charAt(i) != right.charAt(i) )
return left.substring(0, i);
}
return left.substring(0, min);
}
复杂度分析
最坏情况下,我们有 n 个长度为 m的相同字符串。
- 时间复杂度:O(S),S 是所有字符串中字符数量的总和,S=m*n。
时间复杂度的递推式为 T(n)=2*T(n/2)+O(m), 化简后可知其就是 O(S)。最好情况下,算法会进行 minLen*n 次比较,其中 minLen 是数组中最短字符串的长度。
- 空间复杂度:O(m⋅log(n))
内存开支主要是递归过程中使用的栈空间所消耗的。 一共会进行 log(n)次递归,每次需要 m 的空间存储返回结果,所以空间复杂度为 O(m⋅log(n))。
方法四:二分查找法
这个想法是应用二分查找法找到所有字符串的公共前缀的最大长度 L。 算法的查找区间是 (0 ... minLen),其中 minLen 是输入数据中最短的字符串的长度,同时也是答案的最长可能长度。 每一次将查找区间一分为二,然后丢弃一定不包含最终答案的那一个。算法进行的过程中一共会出现两种可能情况:
- S[1...mid] 不是所有串的公共前缀。 这表明对于所有的 j > i S[1..j] 也不是公共前缀,于是我们就可以丢弃后半个查找区间。
- S[1...mid] 是所有串的公共前缀。 这表示对于所有的 i < j S[1..i] 都是可行的公共前缀,因为我们要找最长的公共前缀,所以我们可以把前半个查找区间丢弃。
public String longestCommonPrefix(String[] strs) {
if (strs == null || strs.length == 0)
return "";
int minLen = Integer.MAX_VALUE;
for (String str : strs)
minLen = Math.min(minLen, str.length());
int low = 1;
int high = minLen;
while (low <= high) {
int middle = (low + high) / 2;
if (isCommonPrefix(strs, middle))
low = middle + 1;
else
high = middle - 1;
}
return strs[0].substring(0, (low + high) / 2);
}
private boolean isCommonPrefix(String[] strs, int len){
String str1 = strs[0].substring(0,len);
for (int i = 1; i < strs.length; i++)
if (!strs[i].startsWith(str1))
return false;
return true;
}
复杂度分析
最坏情况下,我们有 n 个长度为 m 的相同字符串。
- 时间复杂度:O(S⋅log(n)),其中 S 所有字符串中字符数量的总和。
算法一共会进行 log(n) 次迭代,每次一都会进行 S = m*n次比较,所以总时间复杂度为 O(S⋅log(n))。
- 空间复杂度:O(1),我们只需要使用常数级别的额外空间。
代码优化:算法二
扩展:
让我们看一个有些不同的问题:
给定一些键值字符串 S = [S1,S2 ... S_n],我们要找到字符串 q 与 S 的最长公共前缀。 这样的查询操作可能会非常频繁。
我们可以通过将所有的键值 S 存储到一颗字典树中来优化最长公共前缀查询操作。 更多关于字典树的内容,可以从 208. 实现 Trie (前缀树) https://leetcode-cn.com/problems/implement-trie-prefix-tree/solution/开始。在字典树中,从根向下的每一个节点都代表一些键值的公共前缀。 但是我们需要找到字符串q 和所有键值字符串的最长公共前缀。 这意味着我们需要从根找到一条最深的路径,满足以下条件:
- 这是所查询的字符串 q 的一个前缀
- 路径上的每一个节点都有且仅有一个孩子。 否则,找到的路径就不是所有字符串的公共前缀
- 路径不包含被标记成某一个键值字符串结尾的节点。 因为最长公共前缀不可能比某个字符串本身长
算法
最后的问题就是如何找到字典树中满足上述所有要求的最深节点。 最有效的方法就是建立一颗包含字符串 [S1 ... Sn]的字典树。 然后在这颗树中匹配 q 的前缀。 我们从根节点遍历这颗字典树,直到因为不能满足某个条件而不能再遍历为止。
public String longestCommonPrefix(String q, String[] strs) {
if (strs == null || strs.length == 0)
return "";
if (strs.length == 1)
return strs[0];
Trie trie = new Trie();
for (int i = 1; i < strs.length ; i++) {
trie.insert(strs[i]);
}
return trie.searchLongestPrefix(q);
}
class TrieNode {
// 子节点的链接数组
private TrieNode[] links;
private final int R = 26;
private boolean isEnd;
// 非空子节点的数量
private int size;
public void put(char ch, TrieNode node) {
links[ch -'a'] = node;
size++;
}
public int getLinks() {
return size;
}
// 假设方法 containsKey、isEnd、get、put 都已经实现了
// 可以参考文章:https://leetcode.com/articles/implement-trie-prefix-tree/
}
public class Trie {
private TrieNode root;
public Trie() {
root = new TrieNode();
}
// 假设方法 insert、search、searchPrefix 都已经实现了
// 可以参考文章:https://leetcode.com/articles/implement-trie-prefix-tree/
private String searchLongestPrefix(String word) {
TrieNode node = root;
StringBuilder prefix = new StringBuilder();
for (int i = 0; i < word.length(); i++) {
char curLetter = word.charAt(i);
if (node.containsKey(curLetter) && (node.getLinks() == 1) && (!node.isEnd())) {
prefix.append(curLetter);
node = node.get(curLetter);
}
else
return prefix.toString();
}
return prefix.toString();
}
}
复杂度分析
最坏情况下查询字符串 q 的长度为 m 并且它与数组中 n 个字符串均相同。
- 时间复杂度:预处理过程 O(S),其中 S 数组里所有字符串中字符数量的总和,最长公共前缀查询操作的复杂度为 O(m)。
建立字典树的时间复杂度为 O(S)。在字典树中查找字符串 q 的最长公共前缀在最坏情况下需要 O(m) 的时间。
- 空间复杂度:O(S),我们只需要使用额外的 S 空间建立字典树。