最大公共子串,子序列

1.求最大公共子串

def maxofcommonstr(str1,str2):
    lstr1 = len(str1)
    lstr2 = len(str2)
    record = [[0 for i in range(lstr2+1)] for j in range(lstr2+1)]
    p = 0
    maxnum = 0
    for i in range(lstr1):
        for j in range(lstr2):
            if str1[i]==str2[j]:
                record[i+1][j+1]=record[i][j]+1
                if record[i+1][j+1]>maxnum:
                    maxnum = record[i+1][j+1]
                    p = i+1
    return str1[p-maxnum:p],maxnum
str1 = raw_input()
str2 = raw_input()
print maxofcommonstr(str1,str2)

2.求最大公共子序列

import numpy
def maxofcommonlist(str1,str2):
    #两个二维数组,一个记录匹配情况,一个记录转移情况
    m = [[0 for p in range(len(str2)+1)] for q in range(len(str1)+1)]
    d = [[None for f in range(len(str2)+1)] for g in range(len(str1)+1)] 
    for i in range(len(str1)):
        for j in range(len(str2)):
            if str1[i] == str2[j]:
                m[i+1][j+1] = m[i][j]+1
                d[i+1][j+1] == 'ok'
            elif m[i+1][j] > m[i][j+1]:
                m[i+1][j+1] = m[i+1][j]
                d[i+1][j+1] == 'left'
            elif m[i+1][j] < m[i][j+1]:
                m[i+1][j+1] = m[i][j+1]
                d[i+1][j+1] == 'up'
    (x,y) = (len(str1),len(str2))
    print numpy.array(d)
    s = []
    while m[x][y]:
        c = d[x][y]
        if c == 'ok':
            s.append(s1[x-1])
            x -= 1
            y -= 1
        if c ==  'left':
            y -= 1
        if c == 'up':
            x -= 1
    s.reverse()
    return ''.join(s)
str1 = raw_input()
str2 = raw_input()
print maxofcommonlist(str1,str2)

原文链接在这里,我为了方便自己看,重新撸了一遍
(https://blog.csdn.net/u010002184/article/details/50740691)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最长公共子序列(Longest Common Subsequence, LCS)和最长公共子串(Longest Common Substring)是两个常见的字符串相关问题。 最长公共子序列是指给定两个字符串,要求找到它们之间最长的公共子序列的长度。子序列是从原字符串中删除若干个字符而得到的新字符串,字符在新字符串中的相对顺序与原字符串中的保持一致。动态规划是求解LCS问题的常用方法。 以字符串s1 = "ABCBDAB"和s2 = "BDCAB"为例,可以使用动态规划的方法求解最长公共子序列的长度。首先创建一个二维数组dp,dp[i][j]表示s1的前i个字符和s2的前j个字符之间的最长公共子序列的长度,那么有以下推导关系: 1. 当i=0或j=0时,dp[i][j]=0。 2. 当s1[i-1]=s2[j-1]时,dp[i][j] = dp[i-1][j-1] + 1。 3. 当s1[i-1]!=s2[j-1]时,dp[i][j] = max(dp[i-1][j], dp[i][j-1])。 最后,dp[len(s1)][len(s2)]即为最长公共子序列的长度。 对于最长公共子串,要求找到两个字符串中最长的公共连续子串的长度。连续子串是指在原字符串中连续出现的字符子序列。同样可以使用动态规划来解决该问题。 仍以上述两个字符串s1和s2为例,创建一个二维数组dp,dp[i][j]表示以s1[i-1]和s2[j-1]为结尾的公共子串的长度,那么有以下推导关系: 1. 当i=0或j=0时,dp[i][j]=0。 2. 当s1[i-1]=s2[j-1]时,dp[i][j] = dp[i-1][j-1] + 1。 3. 当s1[i-1]!=s2[j-1]时,dp[i][j] = 0。 最后,dp矩阵中的最大值即为最长公共子串的长度。 以上就是求解最长公共子序列和最长公共子串的常见方法。在实际应用中,我们可以根据具体的问题选择合适的方法,并结合动态规划来解决这些字符串相关的问题。
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