【力扣】判断子序列

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)。

 

 题目分析:即t字符串中(按顺序)包含s中的字符

方法一:双指针法

定义两个指针i,j,i指向字符串s,j指向t。while循环比较,指针j每次循环都加一,如果指向的字符相等,指针i加一 。如果i循环s结束即都找到了,返回true,也就是最后只需要比较i和s的长度

public static boolean isSubsequence(String s, String t) {
        char[] tArray = t.toCharArray();
        char[] sArray = s.toCharArray();
        int i=0,j=0;
        while(j< tArray.length && i < sArray.length){
            if(sArray[i]==tArray[j]){
                i++;
            }
            j++;
        }
        if(i== sArray.length) return true;
        return false;
    }

方法二:利用indexOf

indexOf,查找指定字符串,指定开始位置,返回该字符串出现的最早位置。如果没找到返回-1。循环s的字符数组,利用t字符串的indexOf方法找到当前的s字符。返回的下标作为下次循环的开始位置(题目:按顺序判断)。判断index如果等于-1即如果有一次没找到直接返回false

例如“axc”“acd”,中间x会找不到,index取值为0 -1。直接返回false,后面没必要继续找

public boolean isSubsequence(String s, String t) {
        int index =-1;
        if(s.equals("")) return true;
        char[] sArray = s.toCharArray();
        for(int i=0;i< sArray.length;i++){
            index = t.indexOf(sArray[i],index+1);
            if(index==-1)return false;
        }
        if(index!=-1) return true;
        return false;
    }

 继续简化,当index=-1时直接返回Flase,如果已经出循环直接返回true,即全部找到了,不需要再判断了。不可能出现没找到的情况

public static boolean isSubsequence2(String s, String t) {
        int index =-1;
        char[] sArray = s.toCharArray();
        for(int i=0;i< sArray.length;i++){
            index = t.indexOf(sArray[i],index+1);
            if(index==-1)return false;
        }return true;
    }

 

 

 

 

### LeetCode 最长连续序列 Python 解法 #### 方法一:基于集合的线性时间复杂度算法 通过将输入数组转换为集合 `num_set`,可以快速判断某个数字是否存在。对于每个数字 `n`,如果其前驱 `n-1` 不在集合中,则尝试从当前数字向右扩展,直到找不到下一个连续数字为止。 以下是实现该方法的具体代码: ```python class Solution: def longestConsecutive(self, nums): num_set = set(nums) max_length = 0 for n in num_set: if n - 1 not in num_set: # 只有当不存在前驱时才开始计算 current_num = n current_streak = 1 while current_num + 1 in num_set: # 向右扩展 current_num += 1 current_streak += 1 max_length = max(max_length, current_streak) # 更新最大长度 return max_length ``` 这种方法的时间复杂度为 O(n),因为每个数字最多被访问两次(一次用于检查起点,另一次用于扩展)。空间复杂度也为 O(n)[^3]。 --- #### 方法二:动态规划与并查集优化 另一种思路是利用并查集来维护连通分量之间的关系。具体来说,可以通过查找父节点的方式合并相邻的区间,并记录每组的最大长度。 虽然此方法较为复杂,但在某些特定场景下可能更高效。以下是伪代码框架: ```python def union_find_longest_consecutive(nums): parent = {} def find(x): if parent[x] != x: parent[x] = find(parent[x]) return parent[x] def union(x, y): rootX = find(x) rootY = find(y) if rootX != rootY: parent[rootY] = rootX for num in nums: parent[num] = num if num - 1 in parent: union(num, num - 1) if num + 1 in parent: union(num, num + 1) count = collections.defaultdict(int) for num in parent.keys(): root = find(num) count[root] += 1 return max(count.values(), default=0) ``` 上述代码实现了基于并查集的方法,适合处理大规模数据集[^4]。 --- #### 测试案例分析 考虑测试用例 `[100, 4, 200, 1, 3, 2]` 的执行过程: 1. 将所有数字存入集合 `{100, 4, 200, 1, 3, 2}`。 2. 遍历集合中的每一个数字: - 对于 `100` `200`,由于它们没有前驱,分别形成独立子序列 `[100]` `[200]`。 - 对于 `1`,发现它可以扩展到 `[1, 2, 3, 4]`,因此更新最大长度为 4。 3. 返回最终结果 `4`。 这一逻辑完全符合题目描述的要求。 --- ### 结论 综上所述,最常用的解决方案是基于集合的操作方式,因为它简单易懂且性能优越。而并查集则适用于更加复杂的场景或者需要额外功能支持的情况。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值