最长回文子串python_最长回文子串—Manacher 算法 及 python实现

本文介绍了一种高效的查找回文子串的方法——Manacher算法。通过在原字符串中插入特殊字符,利用中心扩展法统一处理奇偶长度的子串。文章详细解释了算法原理,并给出了Python代码实现。

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

最容易想到的办法是枚举出所有的子串,然后一一判断是否为回文串,返回最长的回文子串长度。不用我说,枚举实现的耗时是我们无法忍受的。那么有没有高效查找回文子串的方法呢?答案当然是肯定的,那就是中心扩展法,选择一个元素作为中心,然后向外发散的寻找以该元素为圆心的最大回文子串。但是又出现了新的问题,回文子串的长度即可能是奇数,也可能好是偶数,对于长度为偶数的回文子串来说是不存在中心元素的。那是否有一种办法能将奇偶长度的子串归为一类,统一使用中心扩展法呢?它就是 manacher 算法,在原字符串中插入特殊字符,例如插入 #后原字符串变成'#3#5#5#3#4#3#2#1#'。现在我们对新字符串使用中心扩展发即可,中心扩展法得到的半径就是子串的长度。

现在实现思路已经明确了,先转化字符串'35534321'  ---->  '#3#5#5#3#4#3#2#1#',然后求出以每个元素为中心的最长回文子串的长度。以下给出 python 实现:

#!/usr/bin/python#-*- coding: utf-8 -*-

defmax_substr(string):

s_list= [s for s instring]

string= '#' + '#'.join(s_list) + '#'max_length=0

length=len(string)for index inrange(0, length):

r_length=get_length(string, index)if max_length

max_length=r_lengthreturnmax_lengthdefget_length(string, index):#循环求出index为中心的最长回文字串

length =0

r_=len(string)for i in range(1,index+1):if index+i < r_ and string[index-i] == string[index+i]:

length+= 1

else:break

returnlengthif __name__ == "__main__":

result= max_substr("35534321")print result

功能已经实现了,经过测试也没有 bug,但是我们静下心来想一想,目前的解法是否还有优化空间呢?根据目前的解法,我们求出了‘35534321‘中每个元素中心的最大回文子串。当遍历到'4'时,我们已经知道目前最长的回文子串的长度 max_length 是 4,这是我们求出了以 4 为中心的最长回文子串长度是 3,它比 max_length 要小,所以我们不更新 max_length。换句话说,我们计算以 4 为中心的最长回文字串长度是做了无用功。这就是我们要优化的地方,既然某个元素的最长的回文子串长度并没有超过 max_length,我们就没有必要计算它的最长回文子串,在遍历一个新的元素时,我们要优先判断以它为中心的回文子串的长度是否能超越 max_length,如果不能超过,就继续遍历下一个元素。以下是优化后的实现:

#!/usr/bin/python#-*- coding: utf-8 -*-

defmax_substr(string):

s_list= [s for s instring]

string= '#' + '#'.join(s_list) + '#'max_length=0

length=len(string)for index inrange(0, length):

r_length=get_length2(string, index, max_length)if max_length

max_length=r_lengthreturnmax_lengthdefget_length2(string, index, max_length):#基于已知的最长字串求最长字串

#1.中心+最大半径超出字符串范围, return

r_ =len(string)if index + max_length >r_:returnmax_length#2.无法超越最大半径, return

l_string = string[index - max_length + 1 : index + 1]

r_string= string[index : index +max_length]if l_string != r_string[::-1]:returnmax_length#3.计算新的最大半径

result =max_lengthfor i inrange(max_length, r_):if index-i >= 0 and index+i < r_ and string[index-i] == string[index+i]:

result+= 1

else:break

return result - 1

if __name__ == "__main__":

result= max_substr("35534321")print result

View Code

### Python 实现最长回文子串算法 #### 方法一:暴力搜索法 暴力搜索法通过遍历所有可能的子串并检查其是否为回文来解决问题。这种方法简单直观,但时间复杂度较高。 ```python def longestPalindrome_brute_force(s): def is_palindrome(substring): return substring == substring[::-1] n = len(s) max_len = 0 start = 0 for i in range(n): for j in range(i, n): if is_palindrome(s[i:j+1]) and (j - i + 1) > max_len: max_len = j - i + 1 start = i return s[start:start + max_len] ``` 此方法的时间复杂度为 O(n³)[^1]。 #### 方法二:动态规划法 动态规划法利用了回文的特点——如果一个字符串是回文,则去掉两端字符后的部分仍然是回文。这使得可以通过构建二维表的方式优化查找过程。 ```python def longestPalindrome_dp(s): n = len(s) dp = [[False] * n for _ in range(n)] start = 0 maxLength = 1 for i in range(n): dp[i][i] = True for cl in range(2, n + 1): for i in range(n - cl + 1): j = i + cl - 1 if s[i] == s[j] and cl == 2: dp[i][j] = True elif s[i] == s[j]: dp[i][j] = dp[i + 1][j - 1] if dp[i][j] and cl > maxLength: start = i maxLength = cl return s[start:start + maxLength] ``` 该方法的时间复杂度为 O(n²)[^2]。 #### 方法三:中心扩展法 中心扩展法则基于这样一个事实:任何长度大于等于3的回文都至少有一个中心位置。可以从每个潜在的中心向两侧扩散直到遇到不匹配为止。 ```python def expand_around_center(s, left, right): L, R = left, right while L >= 0 and R < len(s) and s[L] == s[R]: L -= 1 R += 1 return R - L - 1 def longestPalindrome_expand(s): if not s or len(s) < 1: return "" start = end = 0 for i in range(len(s)): len1 = expand_around_center(s, i, i) len2 = expand_around_center(s, i, i + 1) maxLen = max(len1, len2) if maxLen > end - start: start = i - (maxLen - 1) // 2 end = i + maxLen // 2 return s[start:end + 1] ``` 此方法同样具有较好的性能表现,在实际应用中往往能取得接近线性级别的效率[^4]。 #### 方法四:Manacher算法 Manacher算法是一种专门针对这个问题设计的有效解决方案,能够在O(n)时间内完成计算。它通过对原始字符串预处理以及巧妙地维护辅助数组实现了这一目标。 ```python def preprocess_string(s): if not s: return "^$" result = ["^"] for char in s: result.append("#") result.append(char) result.append("#$") return ''.join(result) def manachers_algorithm(s): T = preprocess_string(s) P = [0] * len(T) C = R = 0 for i in range(1, len(T)-1): mirr = 2*C - i if R > i: P[i] = min(R-i, P[mirr]) while T[i+(P[i]+1)] == T[i-(P[i]+1)]: P[i] += 1 if i + P[i] > R: C = i R = i + P[i] maxLen = 0 centerIndex = 0 for i in range(1, len(P)-1): if P[i] > maxLen: maxLen = P[i] centerIndex = i startIndex = (centerIndex - maxLen) // 2 return s[startIndex:startIndex + maxLen] ``` 上述四种方法各有优劣之处,具体选择取决于应用场景和个人偏好。其中Manacher算法由于其优秀的时空特性而被广泛推荐用于解决此类问题[^3]。
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