最长公共前缀

题目

编写一个函数来查找字符串数组中的最长公共前缀。
如果不存在公共前缀，返回空字符串 “”。

示例 1:
输入: [“flower”,“flow”,“flight”]
输出: “fl”

示例 2:
输入: [“dog”,“racecar”,“car”]
输出: “”
解释: 输入不存在公共前缀。

说明:所有输入只包含小写字母 a-z 。

横向扫描

用LCP(S1…Sn) 表示字符串S1…Sn的最长公共前缀。
可以得到以下结论：
LCP(S1…Sn)=LCP(LCP(LCP(S1,S2),S3),…Sn)
基于该结论，可以得到一种查找字符串数组中的最长公共前缀的简单方法。依次遍历字符串数组中的每个字符串，对于每个遍历到的字符串，更新最长公共前缀，当遍历完所有的字符串以后，即可得到字符串数组中的最长公共前缀。

如果在尚未遍历完所有的字符串时，最长公共前缀已经是空串，则最长公共前缀一定是空串，因此不需要继续遍历剩下的字符串，直接返回空串即可。

class Solution 
{
public:
    string longestCommonPrefix(vector<string>& strs) 
    {
        if (!strs.size()) // 判断非空
        {
            return "";
        }
        string prefix = strs[0]; // 获取第一个字符串
        int count = strs.size(); // 字符串的个数
        for (int i = 1; i < count; ++i) // 依次遍历每个字符串
        {
            prefix = longestCommonPrefix(prefix, strs[i]); // 更新最长公共前缀
            if (!prefix.size())  // 若在尚未遍历完所有字符串时，最长公共前缀已经是空串
            {
                break; // 则最长公共前缀一定是空串，则直接退出
            }
        }
        return prefix; // 得到最长公共前缀
    }

    string longestCommonPrefix(const string& str1, const string& str2) 
    {
        int length = min(str1.size(), str2.size()); // 取长度最小的为字符串
        int index = 0; // 最长公共前缀最后一个字符的位置
        // 最长公共前缀要小于两个字符串最小长度，并且两个字符串中的字符要相等
        while (index < length && str1[index] == str2[index]) 
        {
            ++index; // 继续往下比较
        }
        return str1.substr(0, index); // 得到两个字符串的最长公共前缀
    }
};

复杂度分析

时间复杂度：O(mn)，其中m是字符串数组中的字符串的平均长度，n是字符串的数量。最坏情况下，字符串数组中的每个字符串的每个字符都会被比较一次。

空间复杂度：O(1)。使用的额外空间复杂度为常数。

纵向扫描

纵向扫描时，从前往后遍历所有字符串的每一列，比较相同列上的字符是否相同，如果相同则继续对下一列进行比较，如果不相同则当前列不再属于公共前缀，当前列之前的部分为最长公共前缀。

class Solution 
{
public:
    string longestCommonPrefix(vector<string>& strs) 
    {
        if (!strs.size())  // 判断非空
        {
            return "";
        }
        int length = strs[0].size(); // 获取第一个字符串总长度
        int count = strs.size(); // 获取字符串个数
        for (int i = 0; i < length; ++i) // 横向遍历
        {
            char c = strs[0][i]; // 获取第一个字符串中的字符
            for (int j = 1; j < count; ++j) // 纵向遍历
            {
                // 一列遍历完或者相同列上的字符不同
                if (i == strs[j].size() || strs[j][i] != c) 
                {
                    return strs[0].substr(0, i); // 则当前列之前的部分为最长公共前缀
                }
            }
            // 相同则继续对下一列进行比较
        }
        return strs[0]; // 得到最终的最长公共前缀
    }
};

复杂度分析

时间复杂度：O(mn)，其中m是字符串数组中的字符串的平均长度，n是字符串的数量。最坏情况下，字符串数组中的每个字符串的每个字符都会被比较一次。

空间复杂度：O(1)。使用的额外空间复杂度为常数。

分治

注意到LCP 的计算满足结合律，有以下结论：
LCP(S1…Sn)=LCP(LCP(S1…Sk),LCP(Sk+1…Sn))
其中LCP(S1…Sn) 是字符串S1…Sn的最长公共前缀，1 < k < n1<k<n。

基于上述结论，可以使用分治法得到字符串数组中的最长公共前缀。对于问题LCP(Si⋯Sj)，可以分解成两个子问题 LCP(Si…Smid) 与 LCP(Smid+1…Sj)，其中mid=(i+j)/2 。对两个子问题分别求解，然后对两个子问题的解计算最长公共前缀，即为原问题的解。

class Solution 
{
public:
    string longestCommonPrefix(vector<string>& strs) 
    {
        if (!strs.size()) // 判断非空
        {
            return "";
        }
        else 
        {
            return longestCommonPrefix(strs, 0, strs.size() - 1); // 得到最长公共前缀
        }
    }

    string longestCommonPrefix(const vector<string>& strs, int start, int end) 
    {
        if (start == end) // 只有一个字符串
        {
            return strs[start]; // 直接返回该字符串
        }
        else 
        {
            int mid = (start + end) / 2; // 将字符串数组分成2份
            string lcpLeft = longestCommonPrefix(strs, start, mid); // 左边
            string lcpRight = longestCommonPrefix(strs, mid + 1, end); // 右边
            return commonPrefix(lcpLeft, lcpRight); // 进行递归
        }
    }

    string commonPrefix(const string& lcpLeft, const string& lcpRight) 
    {
        int minLength = min(lcpLeft.size(), lcpRight.size()); // 取两边最小长度
        for (int i = 0; i < minLength; ++i) // 遍历
        {
            if (lcpLeft[i] != lcpRight[i]) // 比较两边的字符
            {
                return lcpLeft.substr(0, i); // 直到不同时，直接返回
            }
        }
        return lcpLeft.substr(0, minLength); // 取出当前最长公共前缀
    }
};

复杂度分析

时间复杂度：O(mn)，其中m是字符串数组中的字符串的平均长度，n是字符串的数量。时间复杂度的递推式是 T(n)=2⋅T(n/2)+O(m)，通过计算可得 T(n)=O(mn)

空间复杂度：O(mlogn)，其中m是字符串数组中的字符串的平均长度，n是字符串的数量。空间复杂度主要取决于递归调用的层数，层数最大为logn，每层需要m的空间存储返回结果。

二分查找

显然，最长公共前缀的长度不会超过字符串数组中的最短字符串的长度。用 minLength表示字符串数组中的最短字符串的长度，则可以在 [0,minLength] 的范围内通过二分查找得到最长公共前缀的长度。每次取查找范围的中间值mid，判断每个字符串的长度为mid的前缀是否相同，如果相同则最长公共前缀的长度一定大于或等于mid，如果不相同则最长公共前缀的长度一定小于mid，通过上述方式将查找范围缩小一半，直到得到最长公共前缀的长度。

class Solution 
{
public:
    string longestCommonPrefix(vector<string>& strs) 
    {
        if (!strs.size()) // 判断非空
        {
            return "";
        }
        int minLength = min_element(strs.begin(), strs.end(), [](const string& s, const string& t) {return s.size() < t.size();})->size();
        int low = 0, high = minLength; // 
        while (low < high)  // 二分法
        {
            int mid = (high - low + 1) / 2 + low; 
            if (isCommonPrefix(strs, mid)) 
            {
                low = mid;
            }
            else 
            {
                high = mid - 1;
            }
        }
        return strs[0].substr(0, low);
    }

    bool isCommonPrefix(const vector<string>& strs, int length) 
    {
        string str0 = strs[0].substr(0, length);
        int count = strs.size(); // 获取字符串个数
        for (int i = 1; i < count; ++i) // 
        {
            string str = strs[i];
            for (int j = 0; j < length; ++j) 
            {
                if (str0[j] != str[j]) 
                {
                    return false;
                }
            }
        }
        return true;
    }
};

复杂度分析

时间复杂度：O(mnlogm)，其中m是字符串数组中的字符串的最小长度，n是字符串的数量。二分查找的迭代执行次数是 O(logm)，每次迭代最多需要比较mn个字符，因此总时间复杂度是O(mnlogm)。

空间复杂度：O(1)。使用的额外空间复杂度为常数。