Github仓库地址:https://github.com/Damaer/CodeSolution 笔记地址:https://damaer.github.io/CodeSolution/ 仓库介绍:刷题仓库:CodeSolution
请实现一个函数用来匹配包括'.'和'*'的正则表达式。模式中的字符'.'表示任意一个字符,而'*'表示它前面的字符可以出现任意次(包含0次)。在本题中,匹配是指字符串的所有字符匹配整个模式。例如,字符串"aaa"与模式"a.a"和"ab*ac*a"匹配,但是与"aa.a"和"ab*a"均不匹配
示例1输入
"aaa","a*a"
返回值
true
这道题,仔细一想,感觉情况很多,很凌乱,前面介绍的是递归的做法:剑指Offer(五十二)-- 正则表达式匹配(递归实现)
当然,这道题还有一个更优的做法,但是过程咋一看有点复杂,我们可以来分析一下,主要思路是动态规划:
1.首先我们需要定义状态:用一个二维数组(套路)dp[i][j]
用来表示str
的前i
个字符和pattern
的前j
个字符是否匹配。
2.接下来,我们需要初始化简单状态,因为想要求后面的状态,是依赖于前面的状态的,一般是初始化dp[i][j]
的首行和首列。
dp[0][0]= true
,表示两个空的字符串是匹配的。dp
数组的首列,除了dp[0][0]
为true
,其他的都是false
。因为pattern为空,但是s不为空的时候,肯定不匹配。dp
的首行,也就是str为空的时候,如果pattern的偶数位都是“*”,那么就可以匹配,因为可以选择匹配0次。3.初始化前面之后,后面的从索引1
开始匹配:
pattern
的第j
个字符为“*
”(即是 pattern[j-1]=='*'
)dp[i][j-2]==true
,那么dp[i][j]=true
(相当于str的前i和pattern的前j-2个字符匹配,此时的*
前面的那个字符出现了0
次)。dp[i-1][j]==true
且str[i-1]==pattern[j-2]
,则dp[i][j] =true
。(如果str
的前i - 1
个字符和pattern
的前j
个字符匹配,并且str
的第i
个字符和pattern
的第j - 1
个字符相等,相当于‘*
’前面的字符出现了1
次)dp[i-1][j]=true
且pattern[j-2]=='.'
的时候,则dp[i][j]=true
。(表示str
的前i-1
个和patten
的前j
个匹配,并且pattern
的第j-1
个是‘.
’,第j
个是‘*
’,那么说明可以匹配任何字符任何次数,自然str
可以多匹配一个字符。)pattern
的第j
个字符不为“*
”(即是pattern[j-1]!='*'
)dp[i - 1][j - 1]=true
and str[i - 1] == pattern[j - 1]
时,则dp[i][j]=true
。(也就是前面匹配,接下来的字符一样匹配)dp[i - 1][j - 1]=true
且pattern[i-1]=='.'
,那么dp[i][j]=true
。(其实也是.
可以匹配任何字符)处理完数组之后,最后返回dp[n-1][m-1]
,也就是str
的前n
个和pattern
的前m
个字符是否匹配。
public boolean match(String str, String pattern) {
if (pattern.length() == 0) {
return str.length() == 0;
}
int n = str.length() + 1;
int m = pattern.length() + 1;
boolean[][] dp = new boolean[n][m];
dp[0][0] = true;
for (int j = 2; j < m; j = j + 2) {
if (dp[0][j - 2] && pattern.charAt(j - 1) == '*') {
dp[0][j] = true;
}
}
for (int i = 1; i < n; i++) {
for (int j = 1; j < m; j++) {
if (pattern.charAt(j - 1) == '*') {
dp[i][j] = dp[i][j - 2]
|| dp[i - 1][j] && (str.charAt(i - 1) == pattern.charAt(j - 2)
|| pattern.charAt(j - 2) == '.');
} else {
dp[i][j] = dp[i - 1][j - 1] && (str.charAt(i - 1) == pattern.charAt(j - 1)
|| pattern.charAt(j - 1) == '.');
}
}
}
return dp[n - 1][m - 1];
}
时间复杂度 O(mn)
:其中 m
,n
分别为 str
和 pattern
的长度,状态转移需遍历整个 dp
矩阵。
空间复杂度 O(mn)
:状态矩阵 dp
使用 O(mn)
的额外空间。
【作者简介】:
秦怀,公众号【秦怀杂货店】作者,技术之路不在一时,山高水长,纵使缓慢,驰而不息。个人写作方向:Java源码解析,JDBC,Mybatis,Spring,redis,分布式,剑指Offer,LeetCode等,认真写好每一篇文章,不喜欢标题党,不喜欢花里胡哨,大多写系列文章,不能保证我写的都完全正确,但是我保证所写的均经过实践或者查找资料。遗漏或者错误之处,还望指正。
平日时间宝贵,只能使用晚上以及周末时间学习写作 - END -