LeetCode实战-44.通配符匹配

2 篇文章 0 订阅
2 篇文章 0 订阅

题目

//给定一个字符串 (s) 和一个字符模式 (p) ,实现一个支持 '?' 和 '*' 的通配符匹配。 
//
// '?' 可以匹配任何单个字符。
//'*' 可以匹配任意字符串(包括空字符串)。
// 
//
// 两个字符串完全匹配才算匹配成功。 
//
// 说明: 
//
// 
// s 可能为空,且只包含从 a-z 的小写字母。 
// p 可能为空,且只包含从 a-z 的小写字母,以及字符 ? 和 *。 
// 
//
// 示例 1: 
//
// 输入:
//s = "aa"
//p = "a"
//输出: false
//解释: "a" 无法匹配 "aa" 整个字符串。 
//
// 示例 2: 
//
// 输入:
//s = "aa"
//p = "*"
//输出: true
//解释: '*' 可以匹配任意字符串。
// 
//
// 示例 3: 
//
// 输入:
//s = "cb"
//p = "?a"
//输出: false
//解释: '?' 可以匹配 'c', 但第二个 'a' 无法匹配 'b'。
// 
//
// 示例 4: 
//
// 输入:
//s = "adceb"
//p = "*a*b"
//输出: true
//解释: 第一个 '*' 可以匹配空字符串, 第二个 '*' 可以匹配字符串 "dce".
// 
//
// 示例 5: 
//
// 输入:
//s = "acdcb"
//p = "a*c?b"
//输出: false 
// Related Topics 贪心算法 字符串 动态规划 回溯算法 

思路

画出dp[i][j]因为本题空字符串也算一种情况则0位为空
dp[i][j]表示在当前字符串i的情况下j在那一个位置是否是匹配的
因为字符串不可能回退的原因,所以在表格中应当只能右或者往右下走[即i一直在增加]
则其他格子一律当F

s = “acdcb”
p = “a*d?b”

为例


如果都为空串则为空

acdcb
T
a
*
d
?
b

往下则是s="" p="a"所以是F

acdcb
T
aFT
*
d
?
b

遇到*则为特殊符号处理,匹配后面所有字符串即下面到到右边全是T

acdcb
T
aFT
*TTTTT
d
?
b

遇到*则为特殊符号处理,匹配后面所有字符串即下面到到右边全是T

acdcb
T
aFT
*TTTTT
dT
?T
bT

遇到?则为特殊符号处理,匹配后面所有字符串即右下必为T

acdcb
T
aFT
*TTTT
dT
?T
bT

根据推演则可得到
当s[i] == p[j]的时候即为T
当p[j] == ?的时候即为T
当p[j] == * 的时候即为T
但是dp[i][j]表示为当前字符串在在i长度的时候j的匹配规则是否符合
所以不能单纯的从当前一个来判断,应当根据前面的状态来推导下面的[如果前面是F则右下应该都是F]
所以可以推导得出
如果p[j]不是特殊符号 则 s[i] == p[j] 或者jp[j]是’?'号的 的时候 取值应当和左上角一致即

if (dp[i][j] = (sC[i-1] == p[i-1])) {
dp[i][j] = dp[i-1][j-1];
}
如果p[j]是’'则取值应当是
if(p[i-1] == '
’){
dp[i][j] = dp[i][j - 1] || >dp[i - 1][j];
}

为什么会这样,这里有2个情况,两者满足任何一种情况都满足
1.使用
> 必定和当前格子左边一致[即视当前s[i]为空串]
2.不使用
> 必定和当前格子上面一致[即视j[i]为空串]
3.特殊情况
以N个’'开头且字符串为空
所以优先初始化将以
开头的全部设置为T,然后根据使用原则就可以抛弃所有以*开头不符合条件的数据

答案

class Solution {
    public boolean isMatch(String s, String p) {
        // dp[i][j] 表示当前长度i和当前长度j在当前模式是否匹配
        char[] sC = s.toCharArray();
        char[] pC = p.toCharArray();
        int n = sC.length;
        int m = pC.length;
        boolean[][] dp = new boolean[n+1][m+1];
        dp[0][0] = true;
        // 处理以*开头的
        for(int i = 1;i<=pC.length;i++){
            if(p.charAt(i-1) == '*'){
                dp[0][i] = true;
                continue;
            }
            break;
        }
        // i 代表待匹配字符串
        // j 代表匹配模式
        for(int i = 1;i<=n;i++){
            for(int j = 1;j<=m;j++){
                char c = p.charAt(j - 1);
                if(c == '*'){
                    dp[i][j] = dp[i][j - 1] || dp[i - 1][j];
                    continue;
                }
                // 如果当前等于?则取决于上一次匹配是否正确
                if(c == '?'){
                    dp[i][j] = dp[i-1][j-1];
                    continue;
                }
                // 如果当前不等于*或者?则当前等于当前的值是否相等
                if (dp[i][j] = (sC[i-1] == c)) {
                    dp[i][j] = dp[i-1][j-1];
                }
            }
        }
        return dp[n][m];
    }
}
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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