一、问题
给你一个字符串 s
,找到 s
中最长的回文子串。
二、解题思路
解决最长回文子串问题的常见方法之一是中心扩展算法。这种方法利用了回文的对称性质:以每个字符为中心向两边扩展,找到最长的回文子串。
思路:
- 每个字符和每两个字符之间的间隙都可以作为回文中心。
- 从中心向两侧扩展字符,检查扩展后的子串是否是回文。
- 记录最长的回文子串。
由于回文可能是奇数长度(以单个字符为中心)或者偶数长度(以两个字符中间的间隙为中心),我们需要分别考虑这两种情况。
class Solution {
// 主方法,寻找最长回文子串
public String longestPalindrome(String s) {
if (s == null || s.length() < 1) {
return ""; // 如果字符串为空,返回空串
}
int start = 0, end = 0; // 用来记录最长回文子串的起始和结束位置
// 遍历字符串的每一个字符,以该字符为中心进行扩展
for (int i = 0; i < s.length(); i++) {
// 以当前字符为中心,找到奇数长度的回文
int len1 = expandAroundCenter(s, i, i);
// 以当前字符和下一个字符为中心,找到偶数长度的回文
int len2 = expandAroundCenter(s, i, i + 1);
// 取奇数长度回文和偶数长度回文中的最大值
int len = Math.max(len1, len2);
// 如果找到的回文长度大于之前记录的最长回文
if (len > end - start) {
// 更新起始和结束位置
start = i - (len - 1) / 2;
end = i + len / 2;
}
}
// 返回最长回文子串
return s.substring(start, end + 1);
}
// 辅助方法,以 left 和 right 为中心向两侧扩展,寻找回文
private int expandAroundCenter(String s, int left, int right) {
// 当左右两侧字符相等时,不断向外扩展
while (left >= 0 && right < s.length() && s.charAt(left) == s.charAt(right)) {
left--; // 向左扩展
right++; // 向右扩展
}
// 返回扩展后的回文子串的长度
return right - left - 1;
}
}
该算法的时间复杂度是 O(n²),其中 n 是字符串的长度。虽然时间复杂度不是最优的,但其空间复杂度是 O(1)(不考虑返回值的空间)
动态规划法的思路:
- 用一个二维数组
dp
来表示子串是否为回文。dp[i][j]
表示从字符串的第i
个字符到第j
个字符的子串是否是回文子串。 - 动态规划的状态转移方程为:
- 如果
s[i] == s[j]
并且j - i <= 2
(也就是子串长度小于等于 3),那么dp[i][j] = true
,表示当前子串是回文。 - 如果
s[i] == s[j]
并且dp[i+1][j-1] == true
,那么dp[i][j] = true
,表示当前子串是回文。
- 如果
- 每次更新
dp[i][j]
时,如果当前子串是回文,记录下最长的回文子串的起始和结束位置。
class Solution {
public String longestPalindrome(String s) {
int n = s.length();
if (n < 2) {
return s; // 如果字符串长度小于 2,直接返回字符串本身
}
// dp[i][j] 表示 s[i...j] 是否是回文子串
boolean[][] dp = new boolean[n][n];
int start = 0, maxLen = 1; // 初始化最长回文子串的起始位置和长度
// 单个字符的子串都是回文
for (int i = 0; i < n; i++) {
dp[i][i] = true;
}
// 遍历所有长度大于1的子串
for (int len = 2; len <= n; len++) { // 子串长度从 2 开始
for (int i = 0; i < n - len + 1; i++) { // i 是子串的起点
int j = i + len - 1; // j 是子串的终点
if (s.charAt(i) == s.charAt(j)) {
if (len == 2 || dp[i + 1][j - 1]) { // 判断是否回文
dp[i][j] = true;
// 如果找到更长的回文子串,更新起始位置和最大长度
if (len > maxLen) {
start = i;
maxLen = len;
}
}
}
}
}
// 返回最长回文子串
return s.substring(start, start + maxLen);
}
}
时间复杂度:
动态规划的时间复杂度为 O(n²),其中 n 是字符串的长度。空间复杂度也是 O(n²),因为需要存储一个二维的动态规划表 dp。
虽然时间复杂度是 O(n²),但对于中等长度的字符串来说,这种方法在实践中表现不错,而且代码清晰易于理解。