代码随想录算法训练营第五十六日| ● 583. 两个字符串的删除操作 ● 72. 编辑距离

最新推荐文章于 2025-09-09 21:33:31 发布

原创最新推荐文章于 2025-09-09 21:33:31 发布 · 259 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #动态规划

本文介绍了两种解决字符串编辑距离问题的Python解决方案，通过动态规划的方法，分别使用插入、删除和替换操作来找到将一个单词转换为另一个单词所需的最少操作次数。理解并实现这两个经典算法有助于提升字符串处理能力。

583. 两个字符串的删除操作

class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        dp = [[0] * (len(word2)+1) for _ in range(len(word1)+1)]
        for i in range(len(word1)+1):
            dp[i][0] = i
        for j in range(len(word2)+1):
            dp[0][j] = j
        for i in range(1, len(word1)+1):
            for j in range(1, len(word2)+1):
                if word1[i-1] == word2[j-1]:
                    dp[i][j] = dp[i-1][j-1]
                else:
                    dp[i][j] = min(dp[i-1][j-1] + 2, dp[i-1][j] + 1, dp[i][j-1] + 1)
        return dp[-1][-1]

72. 编辑距离

class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        dp = [[0] * (len(word2)+1) for _ in range(len(word1)+1)]
        for i in range(len(word1)+1):
            dp[i][0] = i
        for j in range(len(word2)+1):
            dp[0][j] = j
        for i in range(1, len(word1)+1):
            for j in range(1, len(word2)+1):
                if word1[i-1] == word2[j-1]:
                    dp[i][j] = dp[i-1][j-1]
                else:
                    dp[i][j] = min(dp[i-1][j-1], dp[i-1][j], dp[i][j-1]) + 1
        return dp[-1][-1]