Leetcode(205)——同构字符串
题目
给定两个字符串 s 和 t ,判断它们是否是同构的。如果 s 中的字符可以按某种映射关系替换得到 t ,那么这两个字符串是同构的。
每个出现的字符都应当映射到另一个字符,同时不改变字符的顺序。不同字符不能映射到同一个字符上,相同字符只能映射到同一个字符上,字符可以映射到自己本身。
示例 1:
输入:s = “egg”, t = “add”
输出:true
示例 2:
输入:s = “foo”, t = “bar”
输出:false
示例 3:
输入:s = “paper”, t = “title”
输出:true
提示:
- 1 1 1 <= s.length <= 5 ∗ 1 0 4 5 * 10^4 5∗104
- t.length == s.length
- s 和 t 由任意有效的 ASCII 字符组成
题解
方法一:双哈希表 + 双映射关系
思路
两个字符串同构的特点就是——字符串 s 中的每个字符可以唯一的映射到 t 中的每个字符,同时 t 中的每个字符也可以唯一的映射到 s 中的每个字符 。这也被称为「双射」的关系。
因此,我们维护两张哈希表,第一张哈希表
s2t
\textit{s2t}
s2t 以
s
s
s 中字符为键,映射至
t
t
t 的字符为值,第二张哈希表
t2s
\textit{t2s}
t2s 以
t
t
t 中字符为键,映射至
s
s
s 的字符为值。从左至右遍历两个字符串的字符,不断更新两张哈希表,如果出现冲突(即当前下标
index
\textit{index}
index 对应的字符
s
[
index
]
s[\textit{index}]
s[index] 已经存在映射且不为
t
[
index
]
t[\textit{index}]
t[index] 或当前下标
index
\textit{index}
index 对应的字符
t
[
index
]
t[\textit{index}]
t[index] 已经存在映射且不为
s
[
index
]
s[\textit{index}]
s[index])时说明两个字符串无法构成同构,返回
f
a
l
s
e
\rm false
false。
如果遍历结束没有出现冲突,则表明两个字符串是同构的,返回
t
r
u
e
\rm true
true 即可。
代码实现
class Solution {
public:
bool isIsomorphic(string s, string t) {
unordered_map<char, char> s2t;
unordered_map<char, char> t2s;
int len = s.length();
for (int i = 0; i < len; ++i) {
char x = s[i], y = t[i];
if ((s2t.count(x) && s2t[x] != y) || (t2s.count(y) && t2s[y] != x)) {
return false;
}
s2t[x] = y;
t2s[y] = x;
}
return true;
}
};
复杂度分析
时间复杂度:
O
(
n
)
O(n)
O(n),其中
n
n
n 为字符串的长度。我们只需同时遍历一遍字符串
s
s
s 和
t
t
t 即可。
空间复杂度:
O
(
∣
Σ
∣
)
O(∣Σ∣)
O(∣Σ∣),其中
Σ
\Sigma
Σ 是字符串的字符集。哈希表存储字符的空间取决于字符串的字符集大小,最坏情况下每个字符均不相同,需要
O
(
∣
Σ
∣
)
O(|\Sigma|)
O(∣Σ∣) 的空间。
方法二:单一哈希表 + 单一映射关系
思路
大体思路与方法一类似,只是这次我们只使用一个哈希表。
因为单一字符最多只能对应一个字符,且多个字符不能同时对应一个字符,所以构建新对应映射关系时,哈希表中最多已存在 12 个映射关系(即 26/2 -1 = 12),所以如果不采用双哈希表的话,只需要遍历一个哈希表中的元素,并查看关键字和值是否与新映射关系冲突即可,冲突则返回 false,否则加入哈希表中,因为哈希表的大小很小,所以可以省略不计。
代码实现
class Solution {
public:
bool isIsomorphic(string s, string t) {
unordered_map<char, char> relation;
if(s.size() != t.size())
return false;
int l = s.size();
for(int n = 0; n < l; n++){
if(relation.count(s[n]) == 0){ // 是否存在其对应的映射关系
for(auto& it: relation) // 遍历哈希表
if(it.second == t[n]) // 是否与其它字符映射到同一个字符上
return false;
relation.emplace(s[n], t[n]); // 没有冲突,创建新的映射关系
}else if(relation[s[n]] != t[n]) // 是否符合已存在的映射关系
return false;
}
return true;
}
};
复杂度分析
时间复杂度:
O
(
n
)
O(n)
O(n),其中
n
n
n 为字符串的长度。我们只需同时遍历一遍字符串
s
s
s 和
t
t
t 即可。
空间复杂度:
O
(
∣
Σ
∣
)
O(∣Σ∣)
O(∣Σ∣),其中
Σ
\Sigma
Σ 是字符串的字符集。哈希表存储字符的空间取决于字符串的字符集大小,最坏情况下每个字符均不相同,需要
O
(
∣
Σ
∣
)
O(|\Sigma|)
O(∣Σ∣) 的空间。
方法三:索引
思路
这次将问题重定义一下:记录两个字符串每个位置的字符第一次出现的位置,如果两个字符串中相同位置的字符和它们第一次出现的位置一样,那么这两个字符串同构。举例来说,对于 “paper” 和 “title” ,假设我们现在遍历到第三个字符 “p” 和 “t” ,发现它们第一次出现的位置都在第一个字符,则说明目前位置满足同构。
代码实现
class Solution {
public:
bool isIsomorphic(string s, string t) {
vector<int> s_first_index(256, 0), t_first_index(256, 0); // ASCII 的编码范围
if(s.length() != t.length())
return false;
int l = s.length();
for(int i = 0; i < l; ++i){
if(s_first_index[s[i]] != t_first_index[t[i]])
return false;
s_first_index[s[i]] = t_first_index[t[i]] = i + 1;
}
return true;
}
};
复杂度分析
时间复杂度:
O
(
n
)
O(n)
O(n),其中
n
n
n 为字符串的长度。我们只需同时遍历一遍字符串
s
s
s 和
t
t
t 即可。
空间复杂度:
O
(
∣
Σ
∣
)
O(∣Σ∣)
O(∣Σ∣),其中
Σ
\Sigma
Σ 是 ASCII 的编码范围。