正则表达式匹配

题目：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。

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（‘.’）。

提示：

• 1 <= s.length <= 20
• 1 <= p.length <= 20
• s 只包含从 a-z 的小写字母。
• p 只包含从 a-z 的小写字母，以及字符 . 和 *。
• 保证每次出现字符 * 时，前面都匹配到有效的字符

---

以下是对上述正则表达式匹配算法的解题思路分析：

一、问题分析

给定一个字符串s和一个正则表达式模式p，要求判断s是否能被p匹配。正则表达式中的.可以匹配任意单个字符，*可以匹配零个或多个前面的那一个元素。

二、动态规划思路

1. 定义状态：

   • 使用一个二维布尔数组dp[i][j]表示s的前i个字符和p的前j个字符是否能够匹配。

2. 初始化状态：

   • dp[0][0]表示空字符串和空模式是匹配的，所以初始化为true。
   • 对于模式p为空字符串时，只有当s也为空字符串时才能匹配，所以只有dp[0][0]为true，其他dp[0][j]（j > 0）需要根据模式p中的*进行初始化。
   • 如果p的第j个字符是*，那么dp[0][j] = dp[0][j - 2]，因为*可以匹配零个前面的字符，所以相当于忽略掉前一个字符和*这个组合。

3. 状态转移方程：

   • 当p的第j个字符是.或者与s的第i个字符相同时，即p.charAt(j - 1) == '.' || p.charAt(j - 1) == s.charAt(i - 1)，此时dp[i][j]的值取决于s的前i - 1个字符和p的前j - 1个字符是否匹配，即dp[i][j] = dp[i - 1][j - 1]。
   • 当p的第j个字符是*时：
     • 首先考虑*匹配零个前面的字符的情况，此时dp[i][j] = dp[i][j - 2]。
     • 然后考虑*匹配一个或多个前面的字符的情况，只有当p的第j - 1个字符是.或者与s的第i个字符相同时，即p.charAt(j - 2) == '.' || p.charAt(j - 2) == s.charAt(i - 1)，并且s的前i - 1个字符和p的前j个字符匹配（因为*可以匹配多个相同的字符），即dp[i - 1][j]为true时，dp[i][j]才为true。所以这种情况下dp[i][j] = dp[i][j] || dp[i - 1][j]。
   • 如果不满足以上任何一种情况，那么dp[i][j] = false。

4. 最终结果：

   • dp[m][n]表示s的全部m个字符和p的全部n个字符是否匹配，即为最终结果。

三、时间复杂度和空间复杂度分析

1. 时间复杂度：

   • 计算每个状态dp[i][j]的时间复杂度是$O(1)$，总共有$m\ast n$个状态，所以时间复杂度是$O(mn)$，其中m是字符串s的长度，n是模式p的长度。

2. 空间复杂度：

   • 使用了一个二维数组dp来保存状态，大小为(m + 1) * (n + 1)，所以空间复杂度是$O(mn)$。可以通过优化空间复杂度，只使用一维数组或者滚动数组来降低空间复杂度到$O(n)$。