给定一个字符串数组 words,请计算当两个字符串 words[i] 和 words[j] 不包含相同字符时,它们长度的乘积的最大值。假设字符串中只包含英语的小写字母。如果没有不包含相同字符的一对字符串,返回 0。
示例 1:
输入: words = [“abcw”,“baz”,“foo”,“bar”,“fxyz”,“abcdef”]
输出: 16
解释: 这两个单词为 “abcw”, “fxyz”。它们不包含相同字符,且长度的乘积最大。
示例 2:
输入: words = [“a”,“ab”,“abc”,“d”,“cd”,“bcd”,“abcd”]
输出: 4
解释: 这两个单词为 “ab”, “cd”。
示例 3:
输入: words = [“a”,“aa”,“aaa”,“aaaa”]
输出: 0
解释: 不存在这样的两个单词。
提示:
2 <= words.length <= 1000
1 <= words[i].length <= 1000
words[i] 仅包含小写字母
思路1:暴力解法
依次判断两两单词中有无重复字母,若有,继续判断下两个单词;若没有,计算两单词长度的乘积,与现有的最大结果进行比较,并更新结果。
for(int i = 0; i < words.size(); ++i){
string s1 = words[i];
for(int j = i + 1; j < words.size(); ++j){
string s2 = words[j];
//判断 s1 s2 中有无重复元素, 按照上述思路
}
}
时间复杂度:O(n2 * c2),c 为 字符串的平均长度;空间复杂度:O(1)。
思路2:巧用二进制
使用 26 位二进制数表示字符串中 26 个小写字母是否出现过,即将字符串转换为二进制数。然后使用与运算,如果两单词中有相同字母,与运算后对应二进制位为 1;否则,对应二进制位为 0。
0 & 0 = 0; 0 & 1 = 0; 1 & 0 = 0; 1 & 1 = 1。
代码如下:
class Solution {
public:
int maxProduct(vector<string>& words) {
int size1 = words.size();
vector<int> v(size1);
for(int i = 0; i < size1; ++i){ //O(cn)
for(char ch : words[i])
v[i] |= 1 << (ch - 'a'); // 右边第一位表示 a 有没有出现
}
int ret = 0;
for(int i = 0; i < size1; ++i){ //O(n^2)
for(int j = i + 1; j < size1; ++j){
if(!(v[i] & v[j]))
ret = ret > words[i].size() * words[j].size() ? ret : words[i].size() * words[j].size();
}
}
return ret;
}
};
时间复杂度:O((c + n) * n),c 为 字符串的平均长度;空间复杂度:O(n)。
思路3:哈希表
哈希表之前讲过,附上链接: 哈希表基础知识
在本题中,哈希表的键值对存储的内容为:键存储单词的二进制表示;值存储单词的长度(若不同单词具有相同二进制表示,如 ab aaaabb aabbbbbb 等,则存储最长的长度)。
class Solution {
public:
int maxProduct(vector<string>& words) {
int size = words.size();
unordered_map<int, int> um; // 键:存储单词的二进制表示; 值:存储最长的单词长度
for(int i = 0; i < size; ++i){
int b = 0;
for(char ch : words[i]) //这个循环把单词转换为整数的二进制表示
b |= 1 << (ch - 'a');
//如果 um 中存在具有给定键的值 b, 则此函数返回1, 否则返回0
//不同单词可能会有相同的二进制表示, 如 ab aabbb aaaabb 等, 此时纪录最长单词的长度
um[b] = um.count(b) ? max(um[b], (int)words[i].size()) : words[i].size();
}
int ret = 0;
for(auto& x : um){
for(auto& y : um){
// um.first 代表某个单词的二进制表示, 如果两个单词没有重复字母, 进行 与运算 时结果为 0
if((x.first & y.first) == 0)
ret = max(ret, x.second * y.second);
}
}
return ret;
}
};
时间复杂度:O((c + n) * n),c 为 字符串的平均长度;空间复杂度:O(n)。
该方法速度比第二种稍快些,但是哈希表所用内存比vector数组要大。
这里再给出用二维数组模拟哈希表的解法:
class Solution {
public:
int maxProduct(vector<string>& words) {
int size = words.size();
vector<vector<bool>> vhash(size, vector<bool>(26, false));
for(int i = 0; i < size; ++i){
for(char& ch : words[i])
vhash[i][ch - 'a'] = true;
}
int ret = 0;
for(int i = 0; i < size; ++i){
for(int j = i + 1; j < size; ++j){
int k = 0;
for( ; k < 26; ++k){
if(vhash[i][k] & vhash[j][k])
break;
}
if(k == 26)
ret = max(ret, (int)(words[i].size() * words[j].size()));
}
}
return ret;
}
};