【力扣时间】【472】【困难】连接词

最新推荐文章于 2024-06-12 10:00:23 发布

社畜菌

最新推荐文章于 2024-06-12 10:00:23 发布

阅读量116

点赞数

分类专栏：我的算法历程文章标签： leetcode 算法

本文链接：https://blog.csdn.net/qq_19917031/article/details/122200763

版权

我的算法历程专栏收录该内容

41 篇文章 0 订阅

订阅专栏

连接词

用最简洁的题目出最难的题。

1、来看题

我是题

此题不愧是困难题，好在也没难到哪去。
但题目简洁是真的简洁。一共就两句话，还带了些许废话。

2、审题

题目简洁，但处处值得推敲，直接看重点：

题目明确了words[]不含重复字符串。
解释了连接词的含义：一个完全由给定数组中的至少两个较短单词组成的字符串。什么意思呢？就是该字符串必须完全words[]中出现过字符串拼接得来。而又由于本身不能包含，所以不可以用空字符串和本体组成。
含义中的较短两个词是废话，由于字符串必须由两个及以上的字符串拼接组成，则组成该字符串的其余字符串一定小于本体。不过虽然是废话，但却一定程度上给了启迪。

题目的要点基本上提炼完了。
但思路却没有成形，慢慢来吧。

3、思路

首先，考虑到目标字符串必须是两个及以上的字符串组成，则这些字符串一定比目标字符串短。
所以我想当然地首先考虑到对原本的words[]进行排序，仅按照字符长度排序。
这样，我们就可以优先判断较短的字符，而较短的字符必然不会由较长的字符发生关联，故遍历时不需要考虑后面的字符串。

剩下的问题就在于如何匹配子串了，我们需要记录已经获取到的所有的字符串，并能够快速地判断其是否是自身的子串。由于是全词匹配，前些日子学习到的字符串匹配方式似乎不太好施展。
但是，我们还有其他招式，标签里提到的字典树。

字典树，或者说前缀树，其基本概念我不做讲解，若是你没有接触过，或是已经忘记，可以另行查看解释。
而之所以使用字典树，一来是自己有相关的经验，二来是可以在节省空间的同时，精确地查询字符串。

于是，整体的想法就成形了。

4、动手

class Solution {
    public List<String> findAllConcatenatedWordsInADict(String[] words) {
        DictionaryTreeNode root = new DictionaryTreeNode();
        Arrays.sort(words, Comparator.comparingInt(String::length));

        List<String> results = new ArrayList<>();

        for (int i = 0; i < words.length; i++) {
            if (words[i].length() < 1) {
                continue;
            }

            if (search(root, words[i], 0)) {
                //当前词能匹配成功的话，添加到结果集中
                results.add(words[i]);
            } else {
                //匹配失败的话，说明有字典树不存在的结点，需将当前词添加到字典树中
                root.add(words[i]);
            }
        }

        return results;
    }

    private boolean search(DictionaryTreeNode root, String word, int cur) {
        if (cur == word.length()) {
            //所有字符匹配完毕
            return true;
        }

        DictionaryTreeNode node = root;
        for (int i = cur; i < word.length(); i++) {
            Character next = word.charAt(i);
            //不包含时，说明当前字符匹配失败，则无法匹配后续
            if (!node.childMap.containsKey(next)) {
                return false;
            }

            //移动当下一结点
            node = node.childMap.get(next);

            //如果此结点为尾结点，说明成功匹配了一个字符串
            if (node.isEnd) {
                //以当前位置分割，重头匹配子串
                if (search(root, word, i + 1)) {
                    //如果子串能匹配成功，说明此字符能够成功
                    return true;
                }

                //如果子串匹配失败，则不以当前分割，再次匹配后续
            }
        }

        //匹配失败时
        return false;
    }

    public class DictionaryTreeNode {

        private boolean isEnd;

        private Map<Character, DictionaryTreeNode> childMap;

        public DictionaryTreeNode() {
            this.childMap = new HashMap<>();
        }

        public void add(String string) {
            DictionaryTreeNode node = this;
            for (int i = 0; i < string.length(); i++) {
                Character next = string.charAt(i);

                //当不包含当前字符时
                if (!node.childMap.containsKey(next)) {
                    //新建节点，并添加到对应字符下
                    DictionaryTreeNode child = new DictionaryTreeNode();

                    node.childMap.put(next, child);
                }

                //移向子节点
                node = node.childMap.get(next);
            }

            //所有字符添加完毕后，将isEnd标识置为true
            node.isEnd = true;
        }

    }
}

5、解读

字典树的实现我不做讲解，我的写法也挺一般的。
在节点中，我使用了isEnd来判断当前节点，是否为某一字符串的末尾。即查询到当前节点时，存在有出现在数组中的较短字符串，可以作为其子串。

在比较了官解后发现，在此处使用map存储子节点，读写耗时会比数组要差些。

核心比较逻辑在search()中实现。
首先我们从根节点出发，挨个比较字符在字典树中是否存在，如若进行到某个节点时，其子节点中不包涵对应字符，则说明当前字符无法再做查询。
而如果查询到某一节点，发现其isEnd为true，说明查询到目前时，可以确定了一个子串的存在。当然，该子串并不一定就是最终的解。
在查询到子串后，我们会以当前位置截取字符串，以相同的逻辑递归查询子串。
如果当前截取位置的子串也能成功查询到，则认为该完整字符串为连接词。
否则，回到截取处。继续向后查询，直到再次匹配到一个子串。

在主函数中，你会发现：

if (search(root, words[i], 0)) {
  //当前词能匹配成功的话，添加到结果集中
    results.add(words[i]);
} else {
    //匹配失败的话，说明有字典树不存在的结点，需将当前词添加到字典树中
    root.add(words[i]);
}