给你一个字符串 s,找到 s 中最长的回文子串。
如果字符串的反序与原始字符串相同,则该字符串称为回文字符串。
示例 1:
输入:s = "babad"
输出:"bab"
解释:"aba" 同样是符合题意的答案。
示例 2:
输入:s = "cbbd"
输出:"bb"
提示:
1 <= s.length <= 1000
s 仅由数字和英文字母组成
方法一:中心扩散法:
思路
- 枚举每个点作为回文串的中心点,左右扩散,如果左边等于右边则继续扩散
- 注意要考虑回文串长度为奇偶的情况
class Solution: def longestPalindrome(self, s: str) -> str: #分函数处理,while循环 def palindrome(s,l,r): while l>=0 and r<len(s) and s[l]==s[r]: l-=1 r+=1 return s[l+1:r] res="" for i in range(len(s)): #奇数和偶数分别调用函数 sub1=palindrome(s,i,i) sub2=palindrome(s,i,i+1) res=sub1 if len(sub1)>len(res) else res res=sub2 if len(sub2)>len(res) else res return res
方法二:动态规划法
动态规划:填dp表、当前ij状态、过去ij状态、如何联合得到输出、边界条件
定义状态:题目让我们求什么,就把什么设置为状态
题目求s中最长的回文子串,那就判断所有子串是否为回文子串,选出最长的
因此:dp[i][j]表示s[i:j+1]是否为回文子串(这里+1是为了构造闭区间)
状态转移方程:对空间进行分类讨论(当前ij状态、过去ij状态 如何联合得到输出)
当前ij状态:头尾必须相等(s[i]==s[j])
过去ij状态:去掉头尾之后还是一个回文(dp[i+1][j-1] is True)
边界条件:只要是找过去ij状态的时候,就会涉及边界条件(即超出边界情况处理)
当i==j时一定是回文
j-1-(i+1)<=0,即j-i<=2时,只要当s[i]==s[j]时就是回文,不用判断dp[i+1][j-1]
dp[i][j] 为截取的子串
初始状态:这里已经直接判断j-i<=2的情况了,因此用不到初始状态,可以不设
输出内容:每次发现新回文都比较一下长度,记录i与长度
优化空间提速
class Solution:
def longestPalindrome(self, s: str) -> str:
size=len(s)
#特殊处理
if size==1:
return s
#创建动态规划dynamic programing表
dp=[[False for _ in range(size)]for _ in range(size)]
#初始长度为1,这样万一不存在回文,就返回第一个值,初始条件设置的时候一定要考虑输出
max_len=1
start=0
for i in range(size):
dp[i][i]=True
#递推开始
for j in range(1,size):
for i in range(j):
#边界条件
#只要头尾相等(s[i]==s[j])就能返回true
if j-i<=2:
if s[i]==s[j]:
dp[i][j]=True
cur_len=j-i+1
#状态转移方程
#当前dp[i][j]状态:头尾相等(S[i]=s[j])
#过去dp[i][j]状态:去掉头尾之后还是一个回文dp[i+1][j-1]is True
else:
if s[i]==s[j] and dp[i+1][j-1]:
dp[i][j]=True
cur_len=j-i+1
#出现回文更新输出
if dp[i][j]:
if cur_len>max_len:
max_len=cur_len
start=i
return s[start:start+max_len]
方法三:暴力解法
class Solution:
def longestPalindrome(self, s: str) -> str:
#暴力法
#如果全部是回文子串直接返回
if s==s[::-1]:
return s
size=len(s)
#设置最大长度和结果字符串
max_len=1
res=s[0]#先存储第一个
for i in range(size-1):
for j in range(i+1,size):
if j-i+1 >max_len and s[i:j+1]==s[i:j+1][::-1]:
max_len=j-i+1
res=s[i:j+1]
return res