392. 判断子序列

总结:
	这个题目有三种方法,单最后一种是适用于大规模的字符串匹配,我暂时还不想学.
	两种常规算法,动态规划和双指针
	动态规划:
		在具有大量重复计算时,通过每一步走最优解,且后序步骤不会影响到前面时所采用的一种方法,集中体现就是可以写出状态转移方程
		而在这个字符串问题中,我可以通过求其子集的最长公共子串
		然后在:
		if s[i]==t[j]:
                dp[i][j]=1+dp[i-1][j-1]
        else:
            dp[i][j]=max(dp[i-1][j],dp[i][j-1])
   双指针:
   		上面是存在冗余操作的
   		其实这里我只需要判断s是不是t的子序列,只需要判断s
   		那么我完全可以双指针,一个指向s,一个指向t
   		然后可以匹配

动态规划写法,依次判断对应的连续子集的最长公共子序列
然后如果len(s)<len(t),那么不考虑任何情况s和t最长的公共子序列最多是s
也就是说如果s是t的子序列,那么一定是公共子序列的最长情况
所以最后就是判断dp[-1][-1]s和t的公共子序列长度是否达到了len(s)

def fun1(s,t):
    '''
        动态规划写法
        假设有 s='abc' t='ahbgdc'
        dp=[[0*len(s)] for j in range(len(t))]
        while i<len(s) and j<len(t):
            if s[i]==t[j]:
                #这说明是前面的子序列
                dp[i][j]=1+dp[i-1][j-1]
            else:
                s[i]!=t[j]的时候,这时候你肯定是不可以直接加1的,但你也不能不加
                为什么,当s添加元素,与t之前的末尾元素相匹配时,长度自然也可加1
                dp[i][j]=max(dp[i-1][j],dp[i][j-1])
    :param s:
    :param t:
    :return:
    '''
    if len(s)>len(t):
        return False
    dp = [[0 for j in range(len(t)+1)] for i in range(len(s)+1)]#当有一个是0是,公共长度为0
    for i in range(1,len(s)+1):
        for j in range(1,len(t)+1):
            if s[i-1] == t[j-1]:
                # 这说明是前面的子序列
                dp[i][j] = 1 + dp[i - 1][j - 1]
            else:
                dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])
        #在循环结束时,s肯定已经被判断
    if dp[-1][-1]==len(s):
        return True
    else:
        return False

双指针代码,上面的代码存在冗余操作,将所有的可能情况都判断了一遍

def fun2(s,t):
    '''
        上面是通用的一个模板,他其实是可以用来找出所有的公共子序列,只是附带着可以找出s是不是t的子序列
        因而会存在操作上的冗余

        其实就是简单的判断一下
        while i<len(s) and j<len(t):
            if s[i]==t[j]:
                i+=1
                j+=1
            else:
                j+=1
    :param s:
    :param t:
    :return:
    '''
    i,j=0,0
    while i < len(s) and j < len(t):
        if s[i] == t[j]:
            i += 1
            j += 1
        else:
            j += 1
    if i==len(s):
        return True
    else:
        return False