395,动态规划解通配符匹配问题

Posted 数据结构和算法

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了395,动态规划解通配符匹配问题相关的知识,希望对你有一定的参考价值。

If you really like something, you've got to put yourself out there...got to reach out and grab it.

如果你真的喜欢某样东西,你就得置身其中,伸手抓住它。

问题描述



给定一个字符串 (s) 和一个字符模式 (p) ,实现一个支持 '?' 和 '*' 的通配符匹配。

'?' 可以匹配任何单个字符。

'*' 可以匹配任意字符串(包括空字符串)。

两个字符串完全匹配才算匹配成功。


说明:

  • s 可能为空,且只包含从 a-z 的小写字母。

  • p 可能为空,且只包含从 a-z 的小写字母,以及字符 ? 和 *。


示例 1:

输入:

s = "aa"

p = "a"

输出: false

解释: "a" 无法匹配 "aa" 整个字符串。

示例 2:

输入:

s = "aa"

p = "*"

输出: true

解释: '*' 可以匹配任意字符串。

示例 3:

输入:

s = "cb"

p = "?a"

输出: false

解释: '?' 可以匹配 'c', 但第二个 'a' 无法匹配 'b'。

示例 4:

输入:

s = "adceb"

p = "*a*b"

输出: true

解释: 第一个 '*' 可以匹配空字符串, 第二个 '*' 可以匹配字符串 "dce".

示例 5:

输入:

s = "acdcb"

p = "a*c?b"

输出: false


问题分析



通配符匹配,如果p的某个位置是字母,那么他只能和s的字母匹配,如果p的某个位置是“?”字符,那么他可以匹配s的任何字母,如果p的某个位置是“*”字符,那么他可以匹配s的任意多个字母。


1,状态定义

dp[i][j]表示s的前i个字符和p的前j个字符是否匹配。我们最后只需要返回

dp[s.length][p.length]即可


2,状态转移

这里分两种情况,一种是p的第j个字符不是*,一个是p的第j个字符是*。

  • p的第j个字符不是*

    if (s.charAt(i - 1) == p.charAt(j - 1) || p.charAt(j - 1)== '?') 

            dp[i][j] = dp[i - 1][j - 1];

  • p的第j个字符是*

    dp[i][j] = dp[i - 1][j] || dp[i][j - 1];


第一种

第一种情况比较容易理解,我们可以根据下面的图来看下

395,动态规划解通配符匹配问题

比如上面的s和p的第3个字符匹配成功(要么这两个字符相等,要么p的第3个字符是“?”),我们要看他们前一个字符是否也匹配成功,所以dp[i][j]=dp[i-1][j-1]。


第二种情况就是p的第j个字符是*,这个*可以匹配0个,也可以匹配多个。


1,如果要匹配0个,也就是判断p的前j-1个字符和s的前i个字符是否匹配,因为匹配0个的话,也就相当于p的第j个字符是空的,所以

dp[i][j]=dp[i][j-1]


2,如果要匹配1个,只需要判断s的前i-1个和p的前j-1个是否匹配,也可以理解为p的第j个和s的第i个同时消失,只需要前面的匹配即可。

dp[i][j]=dp[i-1][j-1]


3,如果要匹配2个的话,只需要判断s的前i-2个和p的前j-1个是否匹配,也可以理解为p的第j个和s的第i和第i-1个同时消失(因为p的*匹配两个,相当于把这两个抵消了,我们只需要判断前面的),只需要前面的匹配即可。

dp[i][j]=dp[i-2][j-1]


4,如果要匹配n个的话,只需要判断s的前i-n个和p的前j-1个是否匹配即可

dp[i][j]=dp[i-n][j-1]


那要这样写下去估计永远写不完了,我们再仔细观察一下。假如p的*要匹配s的n个字符,也就是下面这样

395,动态规划解通配符匹配问题

如果要判断p的字符*和s的字符f匹配的话,我们只需要判断p的字符*和s的字符b是否匹配即可。如果要判断这一步我们只需要p的字符*和s的字符e是否匹配即可……,所以我们可以把上面的4个公式简写成一个

dp[i][j]=dp[i-1][j]


综上我们把这题的递推公式找出来了,就是

395,动态规划解通配符匹配问题


3,边界条件

边界条件很容易发现,如果s和p都为空,我们默认是可以匹配的。否则p最前面有*也是可以匹配的,因为*可以匹配空串。所以边界条件是

boolean[][] dp = new boolean[slen + 1][plen + 1];dp[0][0] = true;for (int j = 1; j <= plen && dp[0][j - 1]; j++) dp[0][j] = p.charAt(j - 1) == '*';


最终代码



通过上面的分析我们来看下最终的完整代码

 1public static boolean isMatch(String s, String p) {
2    //如果s不为空,p为空,是匹配不成功的,直接返回false
3    if (s.length() != 0 && p.length() == 0)
4        return false;
5
6    int slen = s.length(), plen = p.length();
7    boolean[][] dp = new boolean[slen + 1][plen + 1];
8    dp[0][0] = true;
9    //边界条件的初始化
10    for (int j = 1; j <= plen && dp[0][j - 1]; j++)
11        dp[0][j] = p.charAt(j - 1) == '*';
12
13    for (int i = 1; i <= slen; i++) {
14        for (int j = 1; j <= plen; j++) {
15            char si = s.charAt(i - 1), pj = p.charAt(j - 1);
16            //下面是动态规划的状态转移方程
17            if (si == pj || pj == '?') {
18                dp[i][j] = dp[i - 1][j - 1];
19            } else if (pj == '*') {
20                dp[i][j] = dp[i - 1][j] || dp[i][j - 1];
21            }
22        }
23    }
24    return dp[slen][plen];
25}
26


代码优化



如果看过之前讲的,我们发现上面的代码和第370题的最长公共子序列的代码有很类似的地方,所以我们也可以参照第370题的代码来优化一下,把上面的二维数组改为一维的,来看下代码

 1public static boolean isMatch(String s, String p) {
2    //如果s不为空,p为空,是匹配不成功的,直接返回false
3    if (s.length() != 0 && p.length() == 0)
4        return false;
5    int slen = s.length(), plen = p.length();
6    boolean[] dp = new boolean[plen + 1];
7    dp[0] = true;
8    //边界条件的初始化
9    for (int j = 1; j <= plen && dp[j - 1]; j++)
10        dp[j] = p.charAt(j - 1) == '*';
11
12    for (int i = 1; i <= slen; i++) {
13        //这里的last我们可以认为是上面代码没优化之前的
14        //dp[i - 1][j - 1]
15        boolean last = false;
16        if (i == 1)
17            last = true;
18        for (int j = 1; j <= plen; j++) {
19            //dp[j]使用之后值会被覆盖,所以我们这里在
20            //使用前把它先保留下来
21            boolean temp = dp[j];
22            char si = s.charAt(i - 1), pj = p.charAt(j - 1);
23            //下面是动态规划的状态转移方程
24            if (si == pj || pj == '?') {
25                dp[j] = last;
26            } else if (pj == '*') {
27                dp[j] = dp[j] || dp[j - 1];
28            } else {
29                dp[j] = false;
30            }
31            last = temp;
32        }
33    }
34    return dp[plen];
35}


总结



动态规划基本上都这同一套路,先定义状态表达式,在找转移方程,最后是边界条件。这题可能有一点难度的是当p的第j个字符是*的时候状态方程该怎么写。其实也很好理解,因为*可以匹配0个或多个字符。当匹配0个的时候,也就是相当于判断p的前j-1个字符和s的前i个字符是否匹配。当匹配多个的时候,*可以把s中的多个字符同时消掉,我们先移除掉s中的一个看是否匹配,如果不匹配我们再移除2个……,所以这样很容易找出状态转移方程。




长按上图,识别图中二维码之后即可关注。


如果喜欢这篇文章就点个"赞"吧

以上是关于395,动态规划解通配符匹配问题的主要内容,如果未能解决你的问题,请参考以下文章

leetcode-通配符匹配(动态规划)-74

44. 通配符匹配-动态规划-困难

Leetcode44. 通配符匹配(动态规划)

带通配符的字符串匹配(动态规划)

Go 刷 LeetCode 系列:动态规划通配符

动态规划(DP)解正则匹配