【leetcode】Word Break(python)

本文介绍了一种基于字典的字符串匹配算法,通过动态规划的方法,实现了判断一个字符串是否能由字典中的单词完全组成的功能。文章详细解释了算法的具体实现过程,并通过实例展示了算法的工作原理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

思路是这样的,我们从第一个字符开始向后依次找,直到找到一个断句的地方,使得当前获得的子串在dict中,若找到最后都没找到,那么就是False了。

在找到第一个后,接下来找下一个断句处,当然是从第一个断句处的下一个字符开始找连续的子串,但是这时与第一个就稍有不同,比如说word=‘ab’, dict={ 'a', ab', ...},在找到a后,接下来处理的是b,我们发现b不在dict中,但是我们发现b可以和a结合,形成ab,而ab在dict中,所以这里的每个子串就可以有三种选择,要么自己单独作为个体到dict中找,要么就跟前面的结合起来进行找。要么就是等,等后面的新的字符,构成更长的子串。

但是还有问题,上面我们说的是跟前面的结合起来找,那么这个前面是个什么定义?开头?开头后的第一个? 第二个?所以我们要记录一些信息,来表示前面的子串,是从哪里断开,从而满足条件的,那么我们就可以依次与离当前子串近的部分进行结合。比如:word = ’aab‘, dict = { a, aab },处理a时,是满足的,下一个a,也是满足的,处理 b 时,b不在dict中,那么就与前面的a结合, 形成 ab,发现不在dict 中,那么继续与前面的结合,形成 aab,发现在dict 中,那么 word 整体就满足条件。



class Solution:
    # @param s, a string
    # @param dict, a set of string
    # @return a boolean
    def wordBreak(self, s, dict):
        if len( s ) == 0 or len(dict) == 0:
            return False
        #初始长度为0,表示的是之前的元素已经搞定,可以从0开始继续向后
        dp = [ 0 ]
        # s串的长度,[1, len ( s )],我们挨个去搞定后续的断句
        for i in range(1, len( s ) + 1):
            #前面所有的合法的断句处,也就是所有的合法的起始点,因为若前面的都没搞定,不可以继续后面的
            for j in xrange( len( dp ) - 1, -1, -1):
                substr = s[dp[j] : i]
                if substr in dict:
                    dp.append(i)
                    break
        return dp[-1] == len( s )








LeetCode 中,0-1 背包问题及其变形是动态规划(DP)中常见的题型,通常涉及从一组物品中选择某些物品,以满足某种条件(如总和最大、组合数量最多等),同时每个物品只能选或不选一次。以下是几个与 0-1 背包问题相关的题目及其解法。 ### 416. 分割等和子集(Partition Equal Subset Sum) 这道题可以看作是 0-1 背包问题的一个变体,判断是否可以从数组中选出若干元素,使其总和等于数组总和的一半。 ```cpp class Solution { public: bool canPartition(vector<int>& nums) { int sum = 0; for (auto num : nums) { sum += num; } if (sum % 2 != 0) return false; int n = nums.size(), bagweight = sum / 2; vector<int> dp(bagweight + 1, 0); for (int i = 0; i < n; i++) { for (int j = bagweight; j >= nums[i]; j--) { dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]); } } if (dp[bagweight] == bagweight) return true; return false; } }; ``` 该解法使用一维 DP 数组,通过逆序遍历背包容量来避免重复计算,实现滚动数组优化空间复杂度[^1]。 --- ### 494. 目标和(Target Sum) 该题要求通过给定的加减操作使最终结果等于 `target`,可以转化为背包问题,即找出满足和为 `(total_sum + target)/2` 的子集数量。 ```python class Solution: def findTargetSumWays(self, nums: List[int], target: int) -> int: total_sum = sum(nums) if abs(target) > total_sum: return 0 if (target + total_sum) % 2 == 1: return 0 bagsize = (target + total_sum) // 2 dp = [0] * (bagsize + 1) dp[0] = 1 # 初始条件 for i in range(len(nums)): for j in range(bagsize, nums[i] - 1, -1): dp[j] += dp[j - nums[i]] return dp[bagsize] ``` 该题使用一维动态规划数组,从后向前更新状态,避免重复使用当前物品[^2]。 --- ### 474. 一和零(Ones and Zeros) 该题是典型的二维 0-1 背包问题,需要同时考虑两个维度(0 的数量和 1 的数量),选择字符串使得在限制条件下选取最多的字符串。 ```python class Solution: def findMaxForm(self, strs: List[str], m: int, n: int) -> int: dp = [[0] * (n + 1) for _ in range(m + 1)] for s in strs: zeros = s.count('0') ones = len(s) - zeros for i in range(m, zeros - 1, -1): for j in range(n, ones - 1, -1): dp[i][j] = max(dp[i][j], dp[i - zeros][j - ones] + 1) return dp[m][n] ``` 这里使用了双重循环,分别遍历 0 和 1 的个数,采用逆序遍历的方式实现滚动数组优化。 --- ### 139. 单词拆分(Word Break) 虽然这道题不是典型的背包问题,但其解法可以类比于完全背包问题,判断是否可以使用字典中的单词组合出字符串 `s`。 ```python class Solution: def wordBreak(self, s: str, wordDict: List[str]) -> bool: dp = [False] * (len(s) + 1) dp[0] = True for i in range(1, len(s) + 1): for word in wordDict: if len(word) <= i and s[:i - len(word)] == s[:i - len(word)]: dp[i] = dp[i - len(word)] if dp[i]: break return dp[len(s)] ``` 此解法类似于背包问题中的“是否可以装满”思路,只不过这里用的是字符串匹配[^4]。 --- ### 总结 上述题目均涉及 0-1 背包问题的核心思想,即每种物品只能选择一次,并通过动态规划进行状态转移。具体实现中,常用一维数组进行空间优化,且内层循环需逆序处理以防止重复使用当前物品。
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