14.最长公共子前缀

题目描述

编写一个函数来查找字符串数组中的最长公共前缀。
如果不存在公共前缀,返回空字符串 “”。

输入输出示例:

输入:strs = [“flower”,“flow”,“flight”]
输出:“fl”

输入:strs = [“dog”,“racecar”,“car”]
输出:""
解释:输入不存在公共前缀。

提示信息:

  • 1 <= strs.length <= 200
  • 0 <= strs[i].length <= 200
  • strs[i] 仅由小写英文字母组成

解题思路:

    通过分析我们可以知道,字符串的最长的公共子前缀长度最多不能超过原先最短的字符串,我们可以假设初始的公共前缀是第一个字符串,然后通过for循环,依次比较这个前缀prefix和当前的字符串,去寻找当前的字符串和这个前缀的最长子前缀,依次遍历字符串数组,直至所有的字符串都遍历完毕,
    在判断子前缀时,也要遵循,子前缀的长度不能超过最短的字符串长度,所以我们还需要通过Math.min()方法来获取到循环的终止点。

具体代码如下:

package com.string;

/**
 * @Name: No14_longestCommonPrefix
 * @Description:        最长公共前缀
 * https://leetcode-cn.com/problems/longest-common-prefix/
 * @Author: panlai
 * @Date: 2021/8/12 11:35
 */

public class No14_longestCommonPrefix {
    public String longestCommonPrefix(String[] strs) {
        if (strs == null || strs.length == 0){
            return "";
        }
        int n = strs.length;
        String prefix = strs[0];
        //for循环遍历字符串数组,获取到最长前缀
        for (int i = 0; i < n; i++) {
            prefix = currentPrefix(prefix,strs[i]);
            if (prefix == ""){      //经过一次比较厚,一旦前缀为空,则已经出现没公共前缀的元素,直接break;
                break;
            }
        }
        return prefix;
    }

    }
 	//用来比较当前字符串和已经存储到的前缀,获取新的最长前缀
    public String currentPrefix(String str1,String str2){
        int len = Math.min(str1.length(),str2.length());
        int i;
        for (i= 0; i < len; i++) {
            if (str1.charAt(i)!=str2.charAt(i)){
                break;
            }
        }
        return str1.substring(0,i);
    }
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最长公共序列(Longest Common Subsequence, 简称LCS)问题是一个经典的动态规划问题。LCS问题的目标是找到两个序列中最长公共序列的长度。 首先,我们需要理解LCS的定义。根据引用,两个序列的LCS包含了这两个序列的前缀最长公共序列。换句话说,我们可以通过比较两个序列的最后一个元素是否相等来确定LCS。如果最后一个元素相等,则LCS的长度会增加1;如果最后一个元素不相等,则我们需要考虑将某个序列的最后一个元素舍弃,然后求解剩余序列的LCS。因此,LCS问题具有最优结构性质。 根据引用,需要注意最长公共串(Longest Common Substring)和最长公共序列(LCS)的区别。最长公共串是一个连续的部分,而最长公共序列则是从不改变序列的顺序,而从序列中去掉任意的元素而获得新的序列。简单来说,串中字符的位置必须是连续的,而序列则可以不必连续。 接下来,我们可以通过动态规划方法解决LCS问题。动态规划是一种将问题分解为问题并存储问题解的方法。我们可以使用一个二维数组来存储问题解,其中数组元素dp[i][j]表示序列1的前i个元素和序列2的前j个元素的LCS的长度。 具体的动态规划算法如下: 1. 初始化一个二维数组dp,其中dp[i][j]的初始值为0。 2. 从左到右遍历序列1的每个元素,同时从上到下遍历序列2的每个元素。 3. 如果序列1的第i个元素与序列2的第j个元素相等,则dp[i][j]的值等于dp[i-1][j-1]加1。 4. 如果序列1的第i个元素与序列2的第j个元素不相等,则dp[i][j]的值等于dp[i-1][j]和dp[i][j-1]中的较大值。 5. 最终,dp[m][n]即为序列1和序列2的LCS的长度,其中m和n分别为序列1和序列2的长度。 通过上述动态规划算法,我们可以求解最长公共序列的长度。如果需要求解具体的最长公共序列,我们可以根据dp数组的构建过程进行回溯。 综上所述,使用动态规划方法可以解决最长公共序列问题。动态规划算法的核心思想是将问题分解为问题并存储问题解,通过填充dp数组可以求解最长公共序列的长度。

“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