【数据结构和算法】判断子序列

简介: 给定字符串s和t,判断s是否为t的子序列。字符串的一个子序列是原始字符串删除一些(也可以不删除)字符而不改变剩余字符相对位置形成的新字符串。(例如,"ace"是"abcde"的一个子序列,而"aec"不是)。进阶:如果有大量输入的 S,称作 S1, S2, ... , Sk 其中 k >= 10亿,你需要依次检查它们是否为 T 的子序列。在这种情况下,你会怎样改变代码?

其他系列文章导航

Java基础合集

数据结构与算法合集

设计模式合集

多线程合集

分布式合集

ES合集


文章目录

其他系列文章导航

文章目录

前言

一、题目描述

二、题解

2.1 方法一:双指针

三、代码

3.1 方法一:双指针

3.1.1 Java易懂版:

3.1.2 Java优化版:

3.1.3 C++版本:

3.1.4 Python版本:

3.1.5 Go版本:

四、复杂度分析

4.1 方法一:双指针


前言

这是力扣的392题,难度为简单,解题方案有很多种,本文讲解我认为最奇妙的一种。


一、题目描述

给定字符串 st ,判断 s 是否为 t 的子序列。

字符串的一个子序列是原始字符串删除一些(也可以不删除)字符而不改变剩余字符相对位置形成的新字符串。(例如,"ace""abcde"的一个子序列,而"aec"不是)。

进阶:

如果有大量输入的 S,称作 S1, S2, ... , Sk 其中 k >= 10亿,你需要依次检查它们是否为 T 的子序列。在这种情况下,你会怎样改变代码?

示例 1:

输入:s = "abc", t = "ahbgdc"

输出:true


示例 2:

输入:s = "axc", t = "ahbgdc"

输出:false


提示:

    • 0 <= s.length <= 100
    • 0 <= t.length <= 10^4
    • 两个字符串都只由小写字符组成。

    二、题解

    2.1 方法一:双指针

    思路与算法:

    首先我们定义 i 和 j 两个指针,用指针 i 来遍历字符串 s ,用指针 j 来遍历字符串 t 。

    image.gif编辑

    当遍历完字符串 s 的时候退出循环,即 i 小于字符串 s 的长度。

    image.gif编辑

    循环内部条件:

      • 当指针 j 指向的索引已经等于字符串 t 的长度时,说明遍历结束,且 s 不是 t 的子序列,返回 false。
      • 当指针 i 指向的字符不等于指针 j 指向的字符,指针 j 后移。
      • 当指针 i 指向的字符等于指针 j 指向的字符,指针 i 和 j 同时后移。

      最后遍历完字符串 s 的时候退出循环,则代表 s 是 t 的子序列,返回true。


      三、代码

      3.1 方法一:双指针

      3.1.1 Java易懂版:

      class Solution {
          public boolean isSubsequence(String s, String t) {
              int i = 0, j = 0;
              int n1 = s.length(), n2 = t.length();
              while (i < n1) {
                  if (j == n2) return false;
                  if (s.charAt(i) != t.charAt(j)) {
                      j++;
                  } else if (s.charAt(i) == t.charAt(j)) {
                      i++;
                      j++;
                  }
              }
              return true;
          }
      }

      image.gif

      3.1.2 Java优化版:

      class Solution {
          public boolean isSubsequence(String s, String t) {
              int i = 0, j = 0;
              int n1 = s.length(), n2 = t.length();
              while (i < n1) {
                  if (j == n2) return false;
                  if (s.charAt(i) == t.charAt(j)) {
                      i++;
                  }
                  j++;
              }
              return true;
          }
      }

      image.gif

      3.1.3 C++版本:

      #include <string>
      using namespace std;
      class Solution {
      public:
          bool isSubsequence(string s, string t) {
              int i = 0, j = 0;
              int n1 = s.length(), n2 = t.length();
              while (i < n1) {
                  if (j == n2) return false;
                  if (s[i] == t[j]) {
                      i++;
                  }
                  j++;
              }
              return true;
          }
      };

      image.gif

      3.1.4 Python版本:

      class Solution {
          public boolean isSubsequence(String s, String t) {
              int i = 0, j = 0;
              int n1 = s.length(), n2 = t.length();
              while (i < n1) {
                  if (j == n2) return false;
                  if (s.charAt(i) == t.charAt(j)) {
                      i++;
                  }
                  j++;
              }
              return true;
          }
      }

      image.gif

      3.1.5 Go版本:

      func isSubsequence(s string, t string) bool {
          i, j := 0, 0
          n1, n2 := len(s), len(t)
          for i < n1 {
              if j == n2 {
                  return false
              }
              if s[i] == t[j] {
                  i++
              }
              j++
          }
          return true
      }

      image.gif


      四、复杂度分析

      4.1 方法一:双指针

        • 时间复杂度:O(n+m),其中 n 为 s 的长度,m 为 t 的长度。每次无论是匹配成功还是失败,都有至少一个指针发生右移,两指针能够位移的总距离为 n+m。
        • 空间复杂度:O(1)。
        目录
        相关文章
        |
        9天前
        |
        机器学习/深度学习 存储 算法
        【数据结构】算法的复杂度
        算法的时间复杂度和空间复杂度
        16 1
        【数据结构】算法的复杂度
        |
        2天前
        |
        存储 算法 Python
        “解锁Python高级数据结构新姿势:图的表示与遍历,让你的算法思维跃升新高度
        【7月更文挑战第13天】Python中的图数据结构用于表示复杂关系,通过节点和边连接。常见的表示方法是邻接矩阵(适合稠密图)和邻接表(适合稀疏图)。图遍历包括DFS(深度优先搜索)和BFS(广度优先搜索):DFS深入探索分支,BFS逐层访问邻居。掌握这些技巧对优化算法和解决实际问题至关重要。**
        9 1
        |
        7天前
        |
        算法 安全 调度
        逆天改命!Python高级数据结构堆(Heap)与优先队列,让你的算法效率飙升至宇宙级!
        【7月更文挑战第8天】Python的heapq模块和queue.PriorityQueue实现了堆和优先队列,提供高效算法解决方案。堆用于Dijkstra算法求解最短路径,例如在图论问题中;PriorityQueue则在多线程下载管理中确保高优先级任务优先执行。这两个数据结构提升效率,简化代码,是编程中的强大工具。
        10 0
        |
        7天前
        |
        算法 搜索推荐 Java
        在Java中实现高效的算法与数据结构
        在Java中实现高效的算法与数据结构
        |
        17天前
        |
        存储 算法 调度
        算法与数据结构-栈篇
        算法与数据结构-栈篇
        14 0
        |
        18天前
        |
        人工智能 算法
        程序技术好文:算法与数据结构
        程序技术好文:算法与数据结构
        |
        19天前
        |
        算法 Java
        Java数据结构与算法:最短路径算法
        Java数据结构与算法:最短路径算法
        |
        20天前
        |
        存储 算法 搜索推荐
        【数据结构和算法】--- 基于c语言排序算法的实现(2)
        【数据结构和算法】--- 基于c语言排序算法的实现(2)
        12 0
        |
        20天前
        |
        搜索推荐 算法 大数据
        ​【数据结构与算法】冒泡排序:简单易懂的排序算法解析
        ​【数据结构与算法】冒泡排序:简单易懂的排序算法解析
        |
        20天前
        |
        搜索推荐 算法 C语言
        【数据结构和算法】--- 基于c语言排序算法的实现(1)
        【数据结构和算法】--- 基于c语言排序算法的实现(1)
        20 0