2019/10/15 02-求最大公共子串

矩阵算法效率高，截取的方法就效率比较低下

矩阵，假设有s1，s2两个字符串
s1=‘abcdefg’ s2=‘defabcd’
一看abcd就是公共子串，最长的abcd
让s2的每一个元素，去分别和s1的每一个元素比较，相同就是1，不同就是0，有下面的矩阵，右边可以看作0和1的矩阵

第一个d开始找，找到相同的就是1，0001000

矩阵的第二行，e


f接下去找，倒数第二个除个1，其他都是0


找a



c

现在是拿s2的元素一个一个到s1里面去比较，得到这样的矩阵
3个1，和4个1，

找到谁最长，就要知道是谁

0123取出来，不就是abcd

我们取的时候就用切片取，把3取上就需要用4，因为前包后不包
但是刚才扫描一遍，眼睛是看出来了谁最长，但是算法没看出来，还得遍历 一遍（如何知道谁最长）

如果上面是m，下面是n，遍历过程就是mn的问题，因为这是一个mn的矩阵

如果这个矩阵用二位数组i和j来表示的话，i和j对上一个来讲，刚好差1，下一个是x轴+1，y轴+1，上一个就是x轴-1，y轴-1，对i和j来讲就是+1和-1的问题
如果下面看成二维数组，坐标分别加1就得到这个位置了

需要做点改变，这么思考
第一行，0001000，如歌索引定位（3，0）

第二行就是（4，1）处是1，能否判断（3，0）的位置是否也是1，为1就把（3，0）处加1，

**就转变成这样了，每碰到个1就回头看一眼，如果发现也是1，就加，如果不是1，就不能加，因为是从你开始的，不能加它， **

如果是1说明是从它开始的，如果是0就不能加了，不是0就可以加，这种回头加法，（我先找你，你上面还找，再往后加，再往后加，就是典型的递归问题（这种思路是解决问题了，但是用递归效率低）

矩阵的第一行，第二行，矩阵的下一行算上一行能算出来，二维的矩阵应该都写过，二维矩阵的上一个元素怎么得到，而且是斜上的，i和j -1就完了，值是几就看看索引里面对应的是不是0就完了
‘
如果发现不是（下面的值）0就继续向上找，用到递归了（找上一个再找上一个），非常麻烦，这是逆推的方式，能否把递归避免掉
能不能反过来，上面的1，因为是第一行没辙，下面第二行的出现1回头看一眼，如果上面也是1，把自己变成+1=2

第三行回头看一眼，如果别人是2，它就是3

最后得到这样的


这是依赖于上一次的计算结果，最大数的索引和最大数是多少都得记得，有了最大数就知道了下回跟谁比，你比它大就把索引更新掉，同时把最大数更新掉
有了最大数和最大数对应的索引，从哪开始结束应该可以知道
（其实最大数告诉你有多长了，因为最大数已经告诉你有多长了，你当前索引是几，你就知道自己长度起点在哪了）

3+1-4=0
4的索引就是i，
区间就是[0:i+1]
索引+1就是结束的东西，用这种方式就可以找到你想要的东西

有两个string，想要计算最长子串，1个4个字符，1个有10个字符
最长就也不超过短的
假定最短的是str1，如果str2比str1还短，就把两个换一下，假定str1最短

最短字符串长度

矩阵有两种方式，一种是append出来，一种是一把创建好
martix矩阵
纵向的控制由长度长的决定

先来看一下

*3.4，s2找4次，每一次迭代三下
这样的情况，修改了里面其中一个，并不会对全部都进行修改，所以列表解析式可以解决问题的

0是常量，常量不是引用类型，不会出现问题，每次做循环都重新创建，里面每一个都是不同的

为什么先要创建矩阵，因为字符串是固定长度，有了s1和s2，你的矩阵大小就知道的很清楚，如果现在的数字给了多少个不能固定，就需要用append的方式，
但是现在不用，因为长度我们知道
横向是s1的长度，纵向是跟s2有关

从str2里拿一个字符到str1里面去找

当什么时候应该怎么样，xy，标记为1，不等应该不操作，里面已经有0了
如果x！=y，什么都不做pass
否则就是xy的情况

如果要找公共子串就要在边界上看了，边界上标记1就一定是个开始，
边界上的标记有个特点
首先标记的数一定是1
**现在需要描述边界，i0或者j0
就需要在矩阵matrix，索引里做文章了，标记成1即可
现在i走到0上，j 标注为1
如果不是，代表不在边界上，就需要回头看一眼，查看前面的值是几，不在边界上放心的i-1，j-1
如果这个数pre >0，说明已经开始，但是不是从它开始就不清楚
**
假如你现在到3的地方，准备写3，就看原来是多少，看到是2，就>0，大于0说明至少是公共子串的一部分，但是不一定是开头，开头是1

如果大于0，就把当前的值，+1，如果上面的值大于1就需要+1的，斜着加
打印一下标注过的

现在还需要判断哪个值比较大
假定最大值max是0
最大索引值xindex是0

在边界上等于1要做一些工作，是可以得到最大值的
就需要做完这个事，看看是否是最大值
最大值就赋值
最大的索引也赋值

再次打印

4最大值，索引是3，长度最长是4
得到这个后，把这一段取出来即可

起始部分，就需要索引往左回，我们现在都是用的s1，在s1上标记索引的状态的

到什么时候结束，索引3+1即可

我们是拿s2的字符在s1上去标状态，所以这里的索引都是s1的，使用return也可以

更多的思考方式。字符串都是连续的字符，
从s1中依次取一个字符，到s2查找，查看是否能找到子串，
如果没有一个字符在s2中找到，说明就没有公共子串，直接退出，如果找到了至少一个公共子串，则很有可能还有更长的公共子串，可以进入下一轮。
第二轮（找到了，下面可能有更长的，但是有没有试试再说，一个字符找到了，可以2个2个来）
s1中取连续的2个字符，在s2中查找，看看能否找到公共的子串，如果没找到，说明最大公共子串就是上一轮的随便的哪一个就行了。如果找到至少一个，则说明公共子串可能还可以更长一些。可以进入下一轮。

举个例子 s1 abc1 abcde
abc找abcde公共子串
第一次，取第一个字符a找，发现有
第二次，取2个字符，ab找，发现有
第三次，取三个字符，abc找，发现于
第四次，abc1找，没找到，说明只找到一个公共子串，现在又一个比较长，叫abc
找不到用上一轮，找到继续探测下一轮的，这一轮找到，下一轮探测不到了，说明这一轮才是最长的，

找公共子串，就需要先把两个字符串里面最短的那个当作最长公共子串，
假设abcdef是最长公共子串，做个长度比较，找到最短的字符串，当作最长公共子串
第一步，把全长到里面找，abcdef到abcdefg里面找，找到了很好，没找到往下切
第二步，abcde ，bcdef，这两个分别到里面去找
（那么能否把你要用的字符串先切出来）

试试写下这个思路的代码
首先拿短的字符串当作最长的公共子串

第一次拿全场，需要有一个start，和控制一个长度的，sublen子串长度
start也需要递增，0，1
substr就是测试的子串

一开始length是3，sublen ,0,1,2
start如果要使用就是0开始 start+sublen=3【0：3】正好前包后不包
试试能不能用

说明找的对的，现在是倒着走的，只要有个子串找到了，还有没有必要继续

现在拿到子串，如果这个子串在什么里面去找这个子串，则如何
用find方法在里面找substr，找不到就是-1，如果大于-1，如果找到了就没有必须继续计算了，把substr返回回来就行、

思路2 ：
是假设s1，s2两个字符串，s1短一些。
既然是求最大子串，最长子串不会超过最短的字符串，先把s1全长的作为子串。
在s2中搜索，是否返回正常的index，正常就找到了最长子串。
没有找到，把s1按照length-1取多个子串。
在s2中搜索，是否能返回正常的index。（如果能返回不是-1的index，就代表找到了，找到了就可以立即返回子串）
注意：
不要把s1的所有子串生成，用不了，也不要从最短开始，因为题目要 最长的。
但是也要注意，万一他们的公共子串就只有一个字符，或者很少字符的，思路一就会占优势。

找最初始的算，找到规律就可以了
推荐使用矩阵算法，很简单

能否把这条省略
边界一定是1，在非边界的左斜上去看看，一定是大于0的，也可能真是0，如果是0，就是当下（你不是边界，从你开始，它是0，你拿它的值+1就是1，m[i-1][j-1】+1=1，
现在不在边界，左斜上去看，数字是2，自己变成3）

也就是左斜上去看，它是0，代表从你开始，拿数字+1即可，如果左斜上的数字是2，就+1，现在加一下就是3，因为是一条线下来的

用矩阵算法是比较简单的，这里用append也可以，但是用一开始开辟也可以

面试，公共子串算是比较难的，递归主要学会一种模式，往往会问斐波那契数列，递归（效率问题，用缓存是最简单，如果能借用上一次计算结果，
递归深度限制 limit cpython1000）