菜鸡每日一题系列打卡10天
每天一道算法题目
小伙伴们一起留言打卡
坚持就是胜利,我们一起努力!
题目描述(引自LeetCode)
给你一个字符串s和一个字符规律p,请你来实现一个支持'.'和'*'的正则表达式匹配。
'.' 匹配任意单个字符
'*' 匹配零个或多个前面的那一个元素
所谓匹配,是要涵盖整个字符串s的,而不是部分字符串。
说明:
s可能为空,且只包含从a-z的小写字母。
p可能为空,且只包含从a-z的小写字母,以及字符.和*。
示例 1:
输入:
s = "aa"
p = "a"
输出: false
解释: "a"无法匹配"aa"整个字符串。
示例 2:
输入:
s = "aa"
p = "a*"
输出: true
解释: 因为'*'代表可以匹配零个或多个前面的那一个元素,在这里前面的元素就是'a'。因此,字符串"aa"可被视为'a'重复了一次。
示例 3:
输入:
s = "ab"
p = ".*"
输出: true
解释: ".*"表示可匹配零个或多个('*')任意字符('.')。
示例 4:
输入:
s = "aab"
p = "c*a*b"
输出: true
解释: 因为'*'表示零个或多个,这里'c'为0个,'a'被重复一次。因此可以匹配字符串"aab"。
示例 5:
输入:
s = "mississippi"
p = "mis*is*p*."
输出: false
题目分析
像这种匹配类型的题目,尤其是匹配情况比较多,比较复杂的,很适合引入自动机的概念求解。但鉴于之前刚刚写过一道自动机求解的题目,而且本题的匹配逻辑并不复杂,自动机的求解方式就交给小伙伴们做练手吧。本题采用动态规划的方式进行求解。所谓的动态规划,无非就是找到状态转移方程,然后进行套用求解,并注意特殊情况的处理即可。
接下来大致讲一下如何寻找状态转移方程。
状态
本题中的状态就是s和p的部分匹配情况,利用dp[][]的二维布尔数组进行状态的存储,其中dp[i][j]代表s的前i个字符能否被p的前j个字符匹配。
转移方程
转移方程说白了就是后项与前项的关系。已知dp[i - 1][j - 1],s.charAt(i),p.charAt(j),如何求解dp[i][j]。搞明白了这一点,只需要按照题目中的匹配规则进行代码编写即可。
代码实现
class Solution {
public boolean isMatch(String s, String p) {
// 特殊情况处理
if (s == null || p == null) {
return false;
}
// 用二维数组做中间状态存储, 默认均为false
boolean[][] dp = new boolean[s.length() + 1][p.length() + 1];
// dp[i][j]代表s的前i个字符能否被p的前j个字符匹配
dp[0][0] = true;
// 初始化二维数组的第一行
for (int i = 0; i < p.length(); i++) {
if (p.charAt(i) == '*' && dp[0][i - 1]) {
dp[0][i + 1] = true;
}
}
for (int i = 0; i < s.length(); i++) {
for (int j = 0; j < p.length(); j++) {
// 当前字符为相等匹配或者任意匹配时,匹配结果取决于之前字符的匹配结果
if (s.charAt(i) == p.charAt(j) || p.charAt(j) == '.') {
dp[i + 1][j + 1] = dp[i][j];
}
// 当前字符为'*'匹配时,考虑匹配零个和多个前面那一个元素的情况即可
else if (p.charAt(j) == '*') {
if (s.charAt(i) == p.charAt(j - 1) || p.charAt(j - 1) == '.') {
dp[i + 1][j + 1] = dp[i + 1][j - 1] || dp[i][j + 1];
} else {
dp[i + 1][j + 1] = dp[i + 1][j - 1];
}
}
}
}
// 返回最终结果
return dp[s.length()][p.length()];
}
}
代码分析
对代码进行分析,设s和p的长度分别为m和n,代码的运行时间与m和n有关,时间复杂度为O(mn),而就空间而言,需要利用mn的二维数组进行匹配状态的存储,因此,空间复杂度为O(mn)。
执行结果
学习 | 工作 | 分享
????长按关注“有理想的菜鸡”
只有你想不到,没有你学不到