编辑距离~

重写了下，发现难的是想出dp[i][j]代表什么，这里是代表word1[:i]和word2[:j]的操作数。 具体的含义可以通过举例来更快速得到答案。 比如 123 和 1234 也就是 dp[i-1][j]的操作数，其实对应的就是插入；1234 vs 123，对应的就是删除。

两个for循环下，其实已经包含了word1的任意i到达word2的任意j，也就是说可以使用任意word1的前驱部分转化为word2。

删除： dp[i][j] = min(dp[i-1][j]+1, dp[i][j]

插入： dp[i][j] = min(dp[i][j-1]+1, dp[i][j])

替换： dp[i][j] = dp[i-1][j-1]+1

归结: dp[i][j] = min(dp[i-1][j], dp[i][j-1], dp[i-1][j-1]) + 1

还是通过表格，最直观可以了解到， 删除的话，那么其实就是相当于i-1已经做到的，此时i可以不用的情况；插入就是相当于原本i满足j-1了，此时插入就是满足等于word2[j]; 替换就很简单了~~
之前还有个疑惑是如果插入，那么是不是原来i这个位置的数会往后移动，其实不会的，此时插入是基于i位置已经被使用了的前提下的dp[i][j-1]： word1[0:i] — word2[0:j-1]。

所以本题的动态规划还是通过左上，左，上来传递的信息。这道题还有一个难点是必须dp是n+1的长度，考虑进 “”， 所以相当于每次比对的是word1[i-1]–word2[j-1].

class Solution:
        # dp[i][j]代表word1[1:i]和word2[1:j]需要的最少的操作数
        # 可以归结为 替换word1； 删除word1或删除word2。
        # 插入的话就相当于删除了word2; 删除的话相当于
    def minDistance(self, word1, word2):
        if not word1 and not word2:
            return 0
        if not word1:
            return len(word2)
        if not word2:
            return len(word1)
        # dp[i][j] word1[:i] 和 word2[:j]相等所需要的最少操作数
        dp = []
        m = len(word1) 
        n = len(word2)
        for i in range(m+1):
            dp.append([0]*(1+n))
        
        for i in range(1, m+1):
            dp[i][0] = dp[i-1][0] + 1

        for j in range(1, n+1):
            dp[0][j] = dp[0][j-1] + 1

        for i in range(1, m+1):
            for j in range(1, n+1):
                if word1[i-1] == word2[j-1]:
                    dp[i][j] = dp[i-1][j-1]
                else:
                    # 只需要考虑当前就可以~如果是删除，那么就是dp[i-1][j]的情况决定；插入：dp[i][j-1]：那么其实考虑的是目前word1[0：i]和word2[0:j-1]的关系，因为插入一个和word2[j]相等的; 替换dp[i-1][j-1]
                    dp[i][j] = min(dp[i-1][j-1]+1, dp[i][j-1]+1, dp[i-1][j]+1)
        return dp[-1][-1]