【单词拆分】

139. 单词拆分

给你一个字符串 s 和一个字符串列表 wordDict 作为字典。如果可以利用字典中出现的一个或多个单词拼接出 s 则返回 true。

注意：不要求字典中出现的单词全部都使用，并且字典中的单词可以重复使用。

示例 1：

输入: s = "leetcode", wordDict = ["leet", "code"]
输出: true
解释: 返回 true 因为 "leetcode" 可以由 "leet" 和 "code" 拼接成。

示例 2：

输入: s = "applepenapple", wordDict = ["apple", "pen"]
输出: true
解释: 返回 true 因为 "applepenapple" 可以由 "apple" "pen" "apple" 拼接成。
     注意，你可以重复使用字典中的单词。

示例 3：

输入: s = "catsandog", wordDict = ["cats", "dog", "sand", "and", "cat"]
输出: false

提示：

• 1 <= s.length <= 300
• 1 <= wordDict.length <= 1000
• 1 <= wordDict[i].length <= 20
• s 和 wordDict[i] 仅由小写英文字母组成
• wordDict 中的所有字符串 互不相同

思路：

1. 创建一个布尔型数组dp，长度为字符串s的长度加1。dp[i]表示字符串s的前i个字符是否可以被拆分成单词。
2. 将dp[0]设置为True，表示空字符串可以被拆分。
3. 遍历字符串s，从索引1开始到字符串的末尾。对于每个索引i，遍历单词字典wordDict。
4. 对于单词字典中的每个单词word，检查s中是否存在以索引i结尾且长度与word相等的子串，如果存在并且该子串在单词字典中，同时dp[i - word.length()]为True，则将dp[i]设置为True，并退出内层循环。
5. 最后，返回dp[s.length()]，即字符串s的整个长度是否可以被拆分成单词。

动态规划的思想是通过保存已经计算过的子问题的结果，避免重复计算，从而提高算法的效率。在这个问题中，dp[i]的值取决于之前的dp[i - word.length()]的值，通过这种方式逐步推导出整个字符串的可拆分性。

class Solution:
    def wordBreak(self, s: str, wordDict: List[str]) -> bool:
        wordDictSet = set(wordDict)
        dp = [False] * (len(s) + 1)
        dp[0] = True

        for i in range(1, len(s) + 1):
            for j in range(0, i):
                if dp[j] and s[j:i] in wordDictSet:
                    dp[i] = True
                    break

        return dp[len(s)]

这段代码的时间复杂度为O(n^2)，空间复杂度为O(n)。其中，n为字符串`s`的长度。

在代码中，使用了两层循环来遍历字符串`s`和单词字典`wordDict`。外层循环的次数为字符串`s`的长度，内层循环的次数为单词字典`wordDict`的大小。

因此，总的时间复杂度为O(n^2)。 在空间方面，使用了一个布尔型数组`dp`来保存中间结果，其长度为字符串`s`的长度加1。

此外，还使用了一些常数级别的额外空间来存储其他变量。因此，总的空间复杂度为O(n)。