每日一题——正则表达式匹配

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