LeetCode笔记 | 最恶心的题目——正则表达式匹配

自己写了64行,因为一些细节修改很多次,这个基本思路定下来之后,还有很多小细节,主要是自己对正则表达式的理解也越来越准确——很多没有想到的情况.

1. 理解题意——很多时候做错还是因为对正则表达式的规则理解不清晰

正则表达式还是比较抽象的,情况特别多。不容易全部想到

2.尽量用科学的模型和方法——动态规划

我一开始是打算用规则,做了很久没有通过所有例子;撇了一眼答案,有用动态规划的,但是动态规划感觉那个复杂程度和我的规则的方法差不多,就没用。随着对 算错的案例 的分析越来越多,感觉确实比较符合动态规划。

定了方法之后,用动态规划整体思路比较清晰了,但是这个题目只完成了50%~60%,还有大量的细节需要进一步想清楚。

3. 最后一脚

可能这个题目作的太久了,写蒙比了,最后还有20多个例子没有通过,检查了很久,竟然是赋值的时候,用的是 “==”。


4.一个小陷阱

这个以前遇到过,这次没有中计,想想有点后怕。
如果动态规划在一开始定义二维数组的时候,用matrix=[[False]*m]*n会出现很奇怪的错误,用循环构造二维数组就没事儿。

5.代码

class Solution:
    def isMatch(self, s: str, p: str) -> bool:
        def f_1(a_,b_):
            a_=""
            if len(b_)==1:
                return(False)
            else:
                for i in range(len(b_)):
                    if b_[i]!='*':
                        if i+1<len(b_):
                            if b_[i+1]!='*':
                                return(False)
                        else:
                            return(False)
                return(True)

        if s=="" and p=="":
            return(True)
        elif s!="" and p=="":
            return(False)
        elif s=="" and p!="":
            return(f_1("",p))
        else:
            l_s=len(s)+1
            l_p=len(p)+1
            matrix=[]
            for i in range(l_s):
                temp_list=[]
                for j in range(l_p):
                    temp_list.append(False)
                matrix.append(temp_list)
            #matrix=[[False]*l_p]*l_s
            matrix[0][0]=True
            for j in range(1,l_p):
                matrix[0][j]=f_1("",p[:j])
            for i in range(1,l_s):
                s_i=s[:i]
                for j in range(1,l_p):
                    p_j=p[:j]
                    if p_j[-1]=="*":
                        if p_j[-2]==s_i[-1]:
                            if matrix[i][j-1] or matrix[i][j-2]:
                                matrix[i][j]=True
                                continue
                            temp_i=i-1
                            while temp_i>=0 and s_i[temp_i-1]==s_i[i-1]:
                                if matrix[temp_i][j-1] or matrix[temp_i][j-2]:
                                    matrix[i][j]=True
                                    break
                                temp_i=temp_i-1
                            if temp_i>=0 and s_i[temp_i]!=s_i[i-1]:
                                matrix[i][j]=matrix[temp_i][j-1] or matrix[temp_i][j-2]
                        elif p_j[-2]=='.':
                            for k in range(i,-1,-1):
                                if matrix[k][j-1] or matrix[k][j-2]:
                                    matrix[i][j]=True
                                    break
                        else:
                            matrix[i][j]=matrix[i][j-2]
                    elif p_j[-1]=='.' or p_j[-1]==s_i[-1]:
                        matrix[i][j]=matrix[i-1][j-1]
                    else:
                        pass
            return(matrix[-1][-1])
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
正则表达式匹配是一个经典的算法问题,主要是判断一个字符串是否能够完全匹配给定的正则表式。 在LeetCode上,也有一道关于正则表达式匹配题目题目编号是10。这道题目要求实现一个支持 '.' 和 '*' 的正则表达式匹配,其中 '.' 可以匹配任意单个字符,'*' 可以匹配零个或多个前面的元素。 解决这道题可以使用动态规划的思想,具体的思路如下: 1. 创建一个二维数组dp,dp[i][j]表示s的前i个字符与p的前j个字符是否匹配。 2. 初始化dp为true,表示空字符串与空正则表达式是匹配的。 3. 初始化dp[i]为false,表示非空字符串与空正则表达式是不匹配的。 4. 初始化dp[j],如果p[j-1]是"*",则dp[j]的值取决于dp[j-2]的值,表示将p[j-2]与p[j-1]去掉后的正则表达式是否匹配空字符串。 5. 对于其它的dp[i][j],分成两种情况: - 如果p[j-1]是"."或者与s[i-1]相等,则dp[i][j]的值取决于dp[i-1][j-1]的值,表示将s[i-1]和p[j-1]去掉后的字符串是否匹配。 - 如果p[j-1]是"*",则dp[i][j]的值取决于以下两种情况: - dp[i][j-2]的值,表示将p[j-2]和p[j-1]去掉后的正则表达式是否匹配s的前i个字符。 - dp[i-1][j]的值,表示将s[i-1]与p[j-2]匹配后的字符串是否匹配p的前j个字符。 6. 最后返回dp[s.length()][p.length()]的值,表示整个字符串s与正则表达式p是否完全匹配。 以上是一种使用动态规划解决正则表达式匹配问题的思路,具体的实现可以参考LeetCode官方提供的递归思路的解法。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [LeetCode算法 —— 正则表达式匹配(详解官方动态规划思想)](https://blog.csdn.net/weixin_42100963/article/details/106953141)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值