1143、动态规划之最长公共子串与最长公共子序列

声明：参考了https://blog.csdn.net/ggdhs/article/details/90713154?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1
题目举例：ABCD与BDCA的最长公共子序列为2，最长公共子串为1。
最长公共子序列：
动态规划算法：按行开始，逐行遍历每一列。如果位置i与位置j的值相等，那么最长子序列肯定为i-1,j-1位置的结果+1。如果不相等，则该位置可以判定的最长子序列的返回值为max((i-1,j),(i,j-1))。如ABCD与BD的结果肯定是ABC与B的结果+1， ABC与BD的结果肯定为ABC与B以及AB与BD的结果的最大值。

class Solution:
    def longestCommonSubsequence(self, text1: str, text2: str) -> int:
        len1 = len(text1)
        len2 = len(text2)
        dp = [[0 for x in range(len2+1)] for x in range(len1+1)]
        for i in range(1, len1+1):#dp的第一行第一列分别为0与当前序列的公共子序列，肯定为0.故从1开始。
            for j in range(1, len2+1):
                if text1[i-1] == text2[j-1]:#如果当前字符相等，那最长子序列的长度肯定为分别上一位置最长子序列+1
                    dp[i][j] = dp[i-1][j-1]+1
                else:#最长子序列不变，为左边和上边的最大值。
                    dp[i][j] = max(dp[i][j-1], dp[i-1][j])
        return dp[-1][-1]

最长公共子串：
与最长公共子序列不同的点在于子串要求连续，如果有中断，肯定是从0开始的。那么代码中只需要更新相应位置的dp值即可

class Solution:
    def longestCommonSubstring(self, text1: str, text2: str) -> int:
        len1 = len(text1)
        len2 = len(text2)
        dp = [[0 for x in range(len2+1)] for x in range(len1+1)] #存储状态
        res = 0 #存储最终的结果
        for i in range(1, len1+1):#dp的第一行第一列分别为0与当前序列的公共子串，肯定为0.故从1开始。
            for j in range(1, len2+1):
                if text1[i-1] == text2[j-1]:#如果当前字符相等，那最长子串的长度肯定为分别上一位置最长子串+1
                    dp[i][j] = dp[i-1][j-1]+1
                    res =max(res, dp[i][j])
        return res

其实最长子序列可以简单理解为不同字符子串的叠加；而公共子串是不同字符子串的最大值。