非递归 可以理解为动态规划(DP)思想 = 最优子结构(递推式)+ 重复子问题(存起来,不需要重复计算)
最长公共子串(连续)
def getMaxSubStr(str1, str2):
len1 = len(str1)
len2 = len(str2)
sb = '' # 存放公共子串
maxs = 0 # 记录最长公共子串的长度
maxI = 0 # 记录最长公共子串最后一个字符的位置
# 申请新的空间来记录公共子串长度信息 二维数组
arr = [[0 for i in range(len1+1)] for j in range(len2+1)]
# 利用递推公式填写新建的二维数组(公共子串的长度信息)
for i in range(1, len1 + 1):
for j in range(1, len2 + 1):
if str1[i - 1] == str2[j - 1]:
arr[i][j] = arr[i - 1][j - 1] + 1
if arr[i][j] > maxs:
maxs = arr[i][j]
maxI = i
else:
arr[i][j] = 0
# 找出公共子串
i = maxI - maxs # 子串在数组中的起始下标
while i < maxI: # 遍历后续元素
sb = sb + str1[i] # 写入
i += 1
return sb
if __name__ == '__main__':
str1 = 'abccade'
str2 = 'dgcadde'
print(getMaxSubStr(str1, str2))
最长公共子序列(不连续)
def lcs(str1, str2):
len1 = len(str1)
len2 = len(str2)
arr = [[0 for _ in range(len2+1)] for _ in range(len1+1)] # len1+1行,len2+1列
b = [[0 for _ in range(len2+1)] for _ in range(len1+1)] # 用于记录字符位置 1 左上方 2 上方 3 左方
for i in range(1, len1+1):
for j in range(1, len2+1):
if str1[i-1] == str2[j-1]: # i j位置上的字符匹配的时候,来自于左上方+1
arr[i][j] = arr[i-1][j-1] + 1
b[i][j] = 1
elif arr[i-1][j] > arr[i][j-1]: # 来自于上方
arr[i][j] = arr[i-1][j]
b[i][j] = 2
else:
arr[i][j] = arr[i][j-1]
b[i][j] = 3
return arr[-1][-1], b
def lcs_trackback(x, y): # 回溯 到着记录字符
arr, b = lcs(x, y)
i = len(x)
j = len(y)
res = []
while i > 0 and j > 0:
if b[i][j] == 1: # 来自于左上方 匹配
res.append(x[i-1])
i -= 1
j -= 1
elif b[i][j] == 2: # 来自于上方 不匹配
i -= 1
else:
j -= 1 # 来自于左方 不匹配
return ''.join(reversed(res))
if __name__ == '__main__':
str1 = 'abccade'
str2 = 'dgcadde'
print(lcs_trackback(str1, str2))
子序列视频资源
https://www.bilibili.com/video/BV1uA411N7c5?p=94&spm_id_from=pageDriver