1763. 最长的美好子字符串 :「朴素解法」&「前缀和优化」&「二进制优化」

简介: 1763. 最长的美好子字符串 :「朴素解法」&「前缀和优化」&「二进制优化」

网络异常,图片无法展示
|


题目描述



这是 LeetCode 上的 1763. 最长的美好子字符串 ,难度为 简单


Tag : 「模拟」、「前缀和」、「位运算」


当一个字符串 s 包含的每一种字母的大写和小写形式 同时 出现在 s 中,就称这个字符串 s 是 美好 字符串。


比方说,"abABB" 是美好字符串,因为 'A''a' 同时出现了,且 'B''b' 也同时出现了。然而,"abA" 不是美好字符串因为 'b' 出现了,而 'B' 没有出现。


给你一个字符串 s ,请你返回 s 最长的 美好子字符串 。如果有多个答案,请你返回 最早 出现的一个。如果不存在美好子字符串,请你返回一个空字符串。


示例 1:


输入:s = "YazaAay"
输出:"aAa"
解释:"aAa" 是一个美好字符串,因为这个子串中仅含一种字母,其小写形式 'a' 和大写形式 'A' 也同时出现了。
"aAa" 是最长的美好子字符串。
复制代码


示例 2:


输入:s = "Bb"
输出:"Bb"
解释:"Bb" 是美好字符串,因为 'B' 和 'b' 都出现了。整个字符串也是原字符串的子字符串。
复制代码


示例 3:


输入:s = "c"
输出:""
解释:没有美好子字符串。
复制代码


示例 4:


输入:s = "dDzeE"
输出:"dD"
解释:"dD" 和 "eE" 都是最长美好子字符串。
由于有多个美好子字符串,返回 "dD" ,因为它出现得最早。
复制代码


提示:


  • 1 <= s.length <= 1001<=s.length<=100
  • s 只包含大写和小写英文字母。


朴素解法



数据范围只有 100100,最为简单的做法是枚举所有的子串( 复杂度为 O(n^2)O(n2) ),然后对子串进行合法性检查( 复杂度为 O(n)O(n) ),整体复杂度为 O(n^3)O(n3),可以过。


代码:


class Solution {
    public String longestNiceSubstring(String s) {
        int n = s.length();
        String ans = "";
        for (int i = 0; i < n; i++) {
            for (int j = i + 1; j < n; j++) {
                if (j - i + 1 > ans.length() && check(s.substring(i, j + 1))) ans = s.substring(i, j + 1);
            }
        }
        return ans;
    }
    boolean check(String s) {
        Set<Character> set = new HashSet<>();
        for (char c : s.toCharArray()) set.add(c);
        for (char c : s.toCharArray()) {
            char a = Character.toLowerCase(c), b = Character.toUpperCase(c);
            if (!set.contains(a) || !set.contains(b)) return false;
        }
        return true;
    }
}
复制代码


  • 时间复杂度:O(n^3)O(n3)
  • 空间复杂度:O(n)O(n)


前缀和优化



check 中,我们不可避免的遍历整个子串,复杂度为 O(n)O(n)


该过程可以使用前缀和思想进行优化:构建二维数组 cntcnt 来记录子串的词频,cnt[i]cnt[i] 为一个长度为 128128 的数组,用于记录字符串 s 中下标范围为 [0, i - 1][0,i1] 的词频。即 cnt[i + 1][j]cnt[i+1][j] 所代表的含义为在子串 s[0...i]s[0...i] 中字符 jj 的出现次数。


那么利用「容斥原理」,对于 s 的任意连续段 [l, r][l,r] 所代表的子串中的任意字符 ii 的词频,我们可以作差算得:


res[i] = cnt[r + 1][i] - cnt[l][i]res[i]=cnt[r+1][i]cnt[l][i]

这样我们在 check 实现中,只要检查 2626 个字母对应的大小写词频(ASCII 相差 3232),是否同时为 00 或者同时不为 00 即可,复杂度为 O(C)O(C)


代码:


class Solution {
    public String longestNiceSubstring(String s) {
        int n = s.length();
        int[][] cnt = new int[n + 1][128];
        for (int i = 1; i <= n; i++) {
            char c = s.charAt(i - 1);
            cnt[i] = cnt[i - 1].clone();
            cnt[i][c - 'A']++;
        }
        int idx = -1, len = 0;
        for (int i = 0; i < n; i++) {
            for (int j = i + 1; j < n; j++) {
                if (j - i + 1 <= len) continue;
                int[] a = cnt[i], b = cnt[j + 1];
                if (check(a, b)) {
                    idx = i; len = j - i + 1;
                }
            }
        }
        return idx == -1 ? "" : s.substring(idx, idx + len);
    }
    boolean check(int[] a, int[] b) {
        for (int i = 0; i < 26; i++) {
            int low = b[i] - a[i], up = b[i + 32] - a[i + 32]; // 'A' = 65、'a' = 97
            if (low != 0 && up == 0) return false;
            if (low == 0 && up != 0) return false;
        }
        return true;
    }
}
复制代码


  • 时间复杂度:令 CC 为字符集大小,本题固定为 2626,构建 cntcnt 的复杂度为 O(n * 128)O(n128);枚举所有子串复杂度为 O(n^2)O(n2)check 的复杂度为 O(C)O(C)。整体复杂度为 O(n^2 * C)O(n2C)
  • 空间复杂度:O(n * 128)O(n128)


二进制优化



更进一步,对于某个子串而言,我们只关心大小写是否同时出现,而不关心出现次数。


因此我们无须使用二维数组来记录具体的词频,可以在枚举子串时,使用两个 int 的低 2626 位分别记录大小写字母的出现情况,利用枚举子串时右端点后移,维护两变量,当且仅当两变量相等时,满足 2626 个字母的大小写同时出现或同时不出现。


代码:


class Solution {
    public String longestNiceSubstring(String s) {
        int n = s.length();
        int idx = -1, len = 0;
        for (int i = 0; i < n; i++) {
            int a = 0, b = 0;
            for (int j = i; j < n; j++) {
                char c = s.charAt(j);
                if (c >= 'a' && c <= 'z') a |= (1 << (c - 'a'));
                else b |= (1 << (c - 'A'));
                if (a == b && j - i + 1 > len) {
                    idx = i; len = j - i + 1;
                }
            }
        }
        return idx == -1 ? "" : s.substring(idx, idx + len);
    }
}
复制代码


  • 时间复杂度:O(n^2)O(n2)
  • 空间复杂度:O(1)O(1)


最后



这是我们「刷穿 LeetCode」系列文章的第 No.1763 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先把所有不带锁的题目刷完。


在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。


为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:github.com/SharingSour…


在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。

相关文章
|
5月前
|
关系型数据库 测试技术 RDS
【动态规划】【字符串】【状态压缩】943 最短超级串
【动态规划】【字符串】【状态压缩】943 最短超级串
【动态规划刷题 16】最长等差数列 (有难度) && 等差数列划分 II - 子序列
【动态规划刷题 16】最长等差数列 (有难度) && 等差数列划分 II - 子序列
|
4月前
|
存储 算法 数据可视化
LeetCode 131题详解:高效分割回文串的递归与动态规划方法
LeetCode 131题详解:高效分割回文串的递归与动态规划方法
|
4月前
【LeetCode刷题】滑动窗口思想解决问题:长度最小的子数组、无重复字符的最长子串
【LeetCode刷题】滑动窗口思想解决问题:长度最小的子数组、无重复字符的最长子串
|
5月前
【错题集-编程题】最长上升子序列(二)(贪心 + 二分)
【错题集-编程题】最长上升子序列(二)(贪心 + 二分)
|
5月前
【错题集-编程题】最长公共子序列(一)(动态规划 - LCS)
【错题集-编程题】最长公共子序列(一)(动态规划 - LCS)
|
5月前
最长上升子序列(经典动态规划问题)
最长上升子序列(经典动态规划问题)
|
5月前
|
存储 算法
从动态规划到贪心算法:最长递增子序列问题的方法全解析
从动态规划到贪心算法:最长递增子序列问题的方法全解析
37 1
|
5月前
|
分布式计算 测试技术 索引
【数位dp】【动态规划】【KMP】1397. 找到所有好字符串
【数位dp】【动态规划】【KMP】1397. 找到所有好字符串
|
5月前
|
算法 程序员 索引
【算法训练-动态规划 三】【双序列DP问题】最长重复子数组、最长公共子串、最长公共子序列、编辑距离
【算法训练-动态规划 三】【双序列DP问题】最长重复子数组、最长公共子串、最长公共子序列、编辑距离
91 0