1、字典树+DFS
我们可以使用 DFS 来遍历整个二维网格构成的图,能否按照字符串的顺序遍历每一个节点。其中,为了避免在查询有着相同前缀的单词时花费过多时间,我们可以使用字典树进行优化。
我们首先构造字典树结构,参考字典树。我们可以使用一个字典树中的一个节点来表示字符串中的一个字符,利用哈希表来储存下一个字符与对应字典树节点之间的映射关系。当一个字符串遍历完成时,我们将该节点的word
修改为对应字符串的值。因此我们可以根据一个节点的word
长度来判断当前单词是否遍历完成。
在主函数中,我们先根据字符串数组构建出我们的字典树,而后我们对二维矩阵中的每一个节点都调用 DFS 搜索。在搜索过程中我们首先判断当前位置对应的字符在字典树中是否有对应的节点,若没有则直接返回 false 。而后我们判断当前节点是否为字符串的末尾,若是则需要将当前结果压入最终结果中。而后我们向当前位置的四个方向进行探索,当新位置合法而且尚未被访问时,我们递归调用 DFS 进行探索。递归结束之后将当前位置恢复原来的字符以免干扰其他位置开始的探索。
值得注意的是,考虑到一个字符串在二维矩阵中可能有不止一种的遍历方法,因此我们使用set
对初始结果进行筛选,而后将集合中的结果统一返回。
struct TrieNode {
string word;
unordered_map<char,TrieNode *> children;
TrieNode() {
this->word = "";
}
};
void insertTrie(TrieNode * root,const string & word) {
TrieNode * node = root;
for (auto c : word){
if (!node->children.count(c)) {
node->children[c] = new TrieNode();
}
node = node->children[c];
}
node->word = word;
}
class Solution {
public:
int dirs[4][2] = {{1, 0}, {-1, 0}, {0, 1}, {0, -1}};
bool dfs(vector<vector<char>>& board, int x, int y, TrieNode * root, set<string> & res) {
char ch = board[x][y];
if (!root->children.count(ch)) {
return false;
}
root = root->children[ch];
if (root->word.size() > 0) {
res.insert(root->word);
}
board[x][y] = '#';
for (int i = 0; i < 4; ++i) {
int nx = x + dirs[i][0];
int ny = y + dirs[i][1];
if (nx >= 0 && nx < board.size() && ny >= 0 && ny < board[0].size()) {
if (board[nx][ny] != '#') {
dfs(board, nx, ny, root,res);
}
}
}
board[x][y] = ch;
return true;
}
vector<string> findWords(vector<vector<char>> & board, vector<string> & words) {
TrieNode * root = new TrieNode();
set<string> res;
vector<string> ans;
for (auto & word: words){
insertTrie(root,word);
}
for (int i = 0; i < board.size(); ++i) {
for (int j = 0; j < board[0].size(); ++j) {
dfs(board, i, j, root, res);
}
}
for (auto & word: res) {
ans.emplace_back(word);
}
return ans;
}
};
2、删除已访问的字符串
在方法一的基础上,我们可以在对一个字符串访问完成之后,删除这个字符串对应的字典树节点,从而避免在结果中重复出现相同的字符串。
struct TrieNode {
string word;
unordered_map<char, TrieNode *> children;
TrieNode() {
this->word = "";
}
};
void insertTrie(TrieNode * root, const string & word) {
TrieNode * node = root;
for (auto c : word) {
if (!node->children.count(c)) {
node->children[c] = new TrieNode();
}
node = node->children[c];
}
node->word = word;
}
class Solution {
public:
int dirs[4][2] = {{1, 0}, {-1, 0}, {0, 1}, {0, -1}};
bool dfs(vector<vector<char>>& board, int x, int y, TrieNode * root, set<string> & res) {
char ch = board[x][y];
if (root == nullptr || !root->children.count(ch)) {
return false;
}
TrieNode * nxt = root->children[ch];
if (nxt->word.size() > 0) {
res.insert(nxt->word);
nxt->word = "";
}
if (!nxt->children.empty()) {
board[x][y] = '#';
for (int i = 0; i < 4; ++i) {
int nx = x + dirs[i][0];
int ny = y + dirs[i][1];
if (nx >= 0 && nx < board.size() && ny >= 0 && ny < board[0].size()) {
if (board[nx][ny] != '#') {
dfs(board, nx, ny, nxt,res);
}
}
}
board[x][y] = ch;
}
if (nxt->children.empty()) {
root->children.erase(ch);
}
return true;
}
vector<string> findWords(vector<vector<char>> & board, vector<string> & words) {
TrieNode * root = new TrieNode();
set<string> res;
vector<string> ans;
for (auto & word: words) {
insertTrie(root,word);
}
for (int i = 0; i < board.size(); ++i) {
for(int j = 0; j < board[0].size(); ++j) {
dfs(board, i, j, root, res);
}
}
for (auto & word: res) {
ans.emplace_back(word);
}
return ans;
}
};