给定一个字符串 (s
) 和一个字符模式 (p
)。实现支持 '.'
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元素。
匹配应该覆盖整个字符串 (s
) ,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: '*' 代表可匹配零个或多个前面的元素, 即可以匹配 'a' 。因此, 重复 'a' 一次, 字符串可变为 "aa"。
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: 'c' 可以不被重复, 'a' 可以被重复一次。因此可以匹配字符串 "aab"。
示例 5:
输入:
s = "mississippi"
p = "mis*is*p*."
输出: false
解题思路
这个问题如果以暴力破解方式思考其实挺难的,主要的难点在于*
匹配多少次的问题,所以我们可以先尝试通过递归解决这个问题。
对于*
,我们可以从最简单的情况思考。我们首先判断len(p)>1 and p[1]=="*"
,如果是的话,说明*
在p
的第二位,我们就要判断s[0]
和p[0]
能否匹配,如果可以匹配的话,我们继续判断isMatch(s[1:], p)
(也就是*
匹配了一次,我们会继续使用.*
或者?*
去参与比较),同时需要判断isMatch(s,p[2:])
是不是成立(也就是*
表示匹配0
次)。如果上述条件不成立,我们还需判断isMatch(s,p[2:])
是不是成立(也就是*
表示匹配0
次),因为此时也可能匹配0
次。
如果*
不在p
的第二位,我们就要判断s[0]
和p[0]
能否匹配。
class Solution:
def isMatch(self, s, p):
"""
:type s: str
:type p: str
:rtype: bool
"""
s_len, p_len = len(s), len(p)
if p_len == 0:
return s_len == 0
if p_len > 1 and p[1] == "*":
return self.isMatch(s, p[2:]) or \
(s_len != 0 and (s[0] == p[0] or p[0] == '.') \
and self.isMatch(s[1:], p))
else:
return s_len != 0 and (s[0] == p[0] or p[0] == '.')\
and self.isMatch(s[1:], p[1:])
上面的写法使用了trick
,我们将=='*'
时候的两种情况归并到了一起,分开写的话如下
if p_len > 1 and p[1] == "*":
if s_len != 0 and (s[0] == p[0] or p[0] == '.'):
return self.isMatch(s[1:], p) or self.isMatch(s, p[2:])
else:
return self.isMatch(s, p[2:])
else:
return s_len != 0 and (s[0] == p[0] or p[0] == '.')\
and self.isMatch(s[1:], p[1:])
对于递归可以解决的问题,我们都可以记忆化搜索的方式来优化。
class Solution:
def isMatch(self, s, p):
"""
:type s: str
:type p: str
:rtype: bool
"""
s_len, p_len = len(s), len(p)
mem = [[None]*(p_len+1) for _ in range(s_len+1)]
return self._isMatch(s, p, mem)
def _isMatch(self, s, p, mem):
s_len, p_len = len(s), len(p)
if p_len == 0:
return s_len == 0
if mem[s_len][p_len] != None:
return mem[s_len][p_len]
if p_len > 1 and p[1] == "*":
mem[s_len][p_len] = self._isMatch(s, p[2:], mem) or \
(s_len != 0 and (s[0] == p[0] or p[0] == '.') \
and self._isMatch(s[1:], p, mem))
return mem[s_len][p_len]
else:
mem[s_len][p_len] = s_len != 0 and (s[0] == p[0] or p[0] == '.')\
and self._isMatch(s[1:], p[1:], mem)
return mem[s_len][p_len]
然而记忆化搜索又和动态规划有着密切的联系,所以我们可以非常迅速的写出动态规划转移方程
- f ( i , j ) = f ( i − 1 , j − 1 ) i f p [ j − 1 ] ! = ′ ∗ ′ a n d s [ i − 1 ] = = p [ j − 1 ] ∣ ∣ p [ j − 1 ] = = ′ . ′ f(i,j)=f(i-1,j-1)\ \ if\ \ p[j-1]!='*'\ \ and \ \ s[i-1]==p[j-1]||p[j-1]=='.' f(i,j)=f(i−1,j−1) if p[j−1]!=′∗′ and s[i−1]==p[j−1]∣∣p[j−1]==′.′
- f ( i , j ) = f ( i , j − 2 ) i f p [ j − 1 ] = = ′ ∗ ′ f(i,j)=f(i,j-2)\ \ if \ \ p[j-1]=='*' f(i,j)=f(i,j−2) if p[j−1]==′∗′
- f ( i , j ) = f ( i − 1 , j ) a n d ( s [ i − 1 ] = = p [ j − 2 ] ∣ ∣ p [ j − 2 ] = = ′ . ′ ) i f p [ j − 1 ] = = ′ ∗ ′ f(i,j)=f(i-1,j)\ \ and \ \ (s[i-1]==p[j-2] || p[j-2]=='.')\ \ if\ \ p[j-1]=='*' f(i,j)=f(i−1,j) and (s[i−1]==p[j−2]∣∣p[j−2]==′.′) if p[j−1]==′∗′
f(i,j)
表示输入s[0:i]
和输入p[0:j]
时的匹配结果。
class Solution:
def isMatch(self, s, p):
"""
:type s: str
:type p: str
:rtype: bool
"""
s_len, p_len = len(s), len(p)
mem = [[False]*(p_len+1) for _ in range(s_len+1)]
mem[0][0] = True
for i in range(s_len+1):
for j in range(1, p_len+1):
if p[j-1] == '*':
mem[i][j] = j > 1 and mem[i][j-2] or \
(i > 0 and (s[i-1] == p[j-2] or \
j > 1 and p[j-2] == ".") and \
i > 0 and mem[i-1][j])
else:
mem[i][j] = i > 0 and \
mem[i-1][j-1] and \
((i > 0 and s[i-1] == p[j-1]) or\
p[j-1] == ".")
return mem[-1][-1]
我在之前的一些问题中也一直提及这样的问题,如果我们拿到一个动态规划问题无从下手的时候,不防先从递归开始思考。
我将该问题的其他语言版本添加到了我的GitHub Leetcode
如有问题,希望大家指出!!!