【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
        |
        2月前
        |
        存储 监控 安全
        企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
        企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
        50 1
        |
        2月前
        |
        存储 监控 算法
        基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
        跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
        56 0
        |
        10月前
        |
        算法 数据处理 C语言
        C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合
        本文深入解析了C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合,旨在帮助读者掌握这一高效的数据处理方法。
        338 1
        |
        6月前
        |
        存储 算法 Java
        算法系列之数据结构-二叉树
        树是一种重要的非线性数据结构,广泛应用于各种算法和应用中。本文介绍了树的基本概念、常见类型(如二叉树、满二叉树、完全二叉树、平衡二叉树、B树等)及其在Java中的实现。通过递归方法实现了二叉树的前序、中序、后序和层次遍历,并展示了具体的代码示例和运行结果。掌握树结构有助于提高编程能力,优化算法设计。
        153 10
         算法系列之数据结构-二叉树
        |
        6月前
        |
        算法 Java
        算法系列之数据结构-Huffman树
        Huffman树(哈夫曼树)又称最优二叉树,是一种带权路径长度最短的二叉树,常用于信息传输、数据压缩等方面。它的构造基于字符出现的频率,通过将频率较低的字符组合在一起,最终形成一棵树。在Huffman树中,每个叶节点代表一个字符,而每个字符的编码则是从根节点到叶节点的路径所对应的二进制序列。
        141 3
         算法系列之数据结构-Huffman树
        |
        6月前
        |
        算法 Java
        算法系列之数据结构-二叉搜索树
        二叉查找树(Binary Search Tree,简称BST)是一种常用的数据结构,它能够高效地进行查找、插入和删除操作。二叉查找树的特点是,对于树中的每个节点,其左子树中的所有节点都小于该节点,而右子树中的所有节点都大于该节点。
        154 22
        |
        7月前
        |
        存储 机器学习/深度学习 算法
        C 408—《数据结构》算法题基础篇—链表(下)
        408考研——《数据结构》算法题基础篇之链表(下)。
        177 30
        |
        7月前
        |
        存储 算法 C语言
        C 408—《数据结构》算法题基础篇—链表(上)
        408考研——《数据结构》算法题基础篇之链表(上)。
        256 25
        |
        7月前
        |
        存储 人工智能 算法
        C 408—《数据结构》算法题基础篇—数组(通俗易懂)
        408考研——《数据结构》算法题基础篇之数组。(408算法题的入门)
        247 23
        |
        9月前
        |
        存储 运维 监控
        探索局域网电脑监控软件:Python算法与数据结构的巧妙结合
        在数字化时代,局域网电脑监控软件成为企业管理和IT运维的重要工具,确保数据安全和网络稳定。本文探讨其背后的关键技术——Python中的算法与数据结构,如字典用于高效存储设备信息,以及数据收集、异常检测和聚合算法提升监控效率。通过Python代码示例,展示了如何实现基本监控功能,帮助读者理解其工作原理并激发技术兴趣。
        177 20

        热门文章

        最新文章