Skip to content

Latest commit

 

History

History
283 lines (211 loc) · 10.9 KB

2.10-动态规划之正则表达式.md

File metadata and controls

283 lines (211 loc) · 10.9 KB

动态规划之正则表达

GitHub

相关推荐: * [我写了首诗,把滑动窗口算法算法变成了默写题](https://labuladong.gitbook.io/algo) * [二分查找高效判定子序列](https://labuladong.gitbook.io/algo)

读完本文,你不仅学会了算法套路,还可以顺便去 LeetCode 上拿下如下题目:

10.正则表达式匹配


正则表达式是一个非常强力的工具,本文就来具体看一看正则表达式的底层原理是什么。力扣第 10 题「正则表达式匹配」就要求我们实现一个简单的正则匹配算法,包括「.」通配符和「*」通配符。

这两个通配符是最常用的,其中点号「.」可以匹配任意一个字符,星号「*」可以让之前的那个字符重复任意次数(包括 0 次)。

比如说模式串 ".a*b" 就可以匹配文本 "zaaab",也可以匹配 "cb";模式串 "a..b" 可以匹配文本 "amnb";而模式串 ".*" 就比较牛逼了,它可以匹配任何文本。

题目会给我们输入两个字符串 sps 代表文本,p 代表模式串,请你判断模式串 p 是否可以匹配文本 s。我们可以假设模式串只包含小写字母和上述两种通配符且一定合法,不会出现 *a 或者 b** 这种不合法的模式串,

函数签名如下:

bool isMatch(string s, string p);

对于我们将要实现的这个正则表达式,难点在那里呢?

点号通配符其实很好实现,s 中的任何字符,只要遇到 . 通配符,无脑匹配就完事了。主要是这个星号通配符不好实现,一旦遇到 * 通配符,前面的那个字符可以选择重复一次,可以重复多次,也可以一次都不出现,这该怎么办?

对于这个问题,答案很简单,对于所有可能出现的情况,全部穷举一遍,只要有一种情况可以完成匹配,就认为 p 可以匹配 s。那么一旦涉及两个字符串的穷举,我们就应该条件反射地想到动态规划的技巧了。

一、思路分析

我们先脑补一下,sp 相互匹配的过程大致是,两个指针 i, j 分别在 sp 上移动,如果最后两个指针都能移动到字符串的末尾,那么久匹配成功,反之则匹配失败。

如果不考虑 * 通配符,面对两个待匹配字符 s[i]p[j],我们唯一能做的就是看他俩是否匹配

bool isMatch(string s, string p) {
    int i = 0, j = 0;
    while (i < s.size() && j < p.size()) {
        // 「.」通配符就是万金油
        if (s[i] == p[j] || p[j] == '.') {
            // 匹配,接着匹配 s[i+1..] 和 p[j+1..]
            i++; j++;
        } else {
            // 不匹配
            return false;
        }
    }
    return i == j;
}

那么考虑一下,如果加入 * 通配符,局面就会稍微复杂一些,不过只要分情况来分析,也不难理解。

p[j + 1]* 通配符时,我们分情况讨论下

1、如果 s[i] == p[j],那么有两种情况:

1.1 p[j] 有可能会匹配多个字符,比如 s = "aaa", p = "a*",那么 p[0] 会通过 * 匹配 3 个字符 "a"

1.2 p[i] 也有可能匹配 0 个字符,比如 s = "aa", p = "a*aa",由于后面的字符可以匹配 s,所以 p[0] 只能匹配 0 次。

2、如果 s[i] != p[j],只有一种情况:

p[j] 只能匹配 0 次,然后看下一个字符是否能和 s[i] 匹配。比如说 s = "aa", p = "b*aa",此时 p[0] 只能匹配 0 次。

综上,可以把之前的代码针对 * 通配符进行一下改造:

if (s[i] == p[j] || p[j] == '.') {
    // 匹配
    if (j < p.size() - 1 && p[j + 1] == '*') {
        // 有 * 通配符,可以匹配 0 次或多次
    } else {
        // 无 * 通配符,老老实实匹配 1 次
        i++; j++;
    }
} else {
    // 不匹配
    if (j < p.size() - 1 && p[j + 1] == '*') {
        // 有 * 通配符,只能匹配 0 次
    } else {
        // 无 * 通配符,匹配无法进行下去了
        return false;
    }
}

整体的思路已经很清晰了,但现在的问题是,遇到 * 通配符时,到底应该匹配 0 次还是匹配多次?多次是几次?

你看,这就是一个做「选择」的问题,要把所有可能的选择都穷举一遍才能得出结果。动态规划算法的核心就是「状态」和「选择」,「状态」无非就是 ij 两个指针的位置,「选择」就是 p[j] 选择匹配几个字符

二、动态规划解法

根据「状态」,我们可以定义一个 dp 函数:

bool dp(string& s, int i, string& p, int j);

dp 函数的定义如下:

dp(s, i, p, j) = true,则表示 s[i..] 可以匹配 p[j..];若 dp(s, i, p, j) = false,则表示 s[i..] 无法匹配 p[j..]

根据这个定义,我们想要的答案就是 i = 0, j = 0dp 函数的结果,所以可以这样使用这个 dp 函数:

bool isMatch(string s, string p) {
    // 指针 i,j 从索引 0 开始移动
    return dp(s, 0, p, 0);

可以根据之前的代码写出 dp 函数的主要逻辑:

bool dp(string& s, int i, string& p, int j) {
    if (s[i] == p[j] || p[j] == '.') {
        // 匹配
        if (j < p.size() - 1 && p[j + 1] == '*') {
            // 1.1 通配符匹配 0 次或多次
            return dp(s, i, p, j + 2)
                || dp(s, i + 1, p, j);
        } else {
            // 1.2 常规匹配 1 次
            return dp(s, i + 1, p, j + 1);
        }
    } else {
        // 不匹配
        if (j < p.size() - 1 && p[j + 1] == '*') {
            // 2.1 通配符匹配 0 次
            return dp(s, i, p, j + 2);
        } else {
            // 2.2 无法继续匹配
            return false;
        }
    }
}

根据 dp 函数的定义,这几种情况都很好解释:

1.1 通配符匹配 0 次或多次

j 加 2,i 不变,含义就是直接跳过 p[j] 和之后的通配符,即通配符匹配 0 次:

i 加 1,j 不变,含义就是 p[j] 匹配了 s[i],但 p[j] 还可以继续匹配,即通配符匹配多次的情况:

两种情况只要有一种可以完成匹配即可,所以对上面两种情况求或运算。

1.2 常规匹配 1 次

由于这个条件分支是无 * 的常规匹配,那么如果 s[i] == p[j],就是 ij 分别加一:

2.1 通配符匹配 0 次

类似情况 1.1,将 j 加 2,i 不变:

2.2 如果没有 * 通配符,也无法匹配,那只能说明匹配失败了:

看图理解应该很容易了,现在可以思考一下 dp 函数的 base case:

一个 base case 是 j == p.size(),按照 dp 函数的定义,这意味着模式串 p 已经被匹配完了,那么应该看看文本串 s 匹配到哪里了,如果 s 也恰好被匹配完,则说明匹配成功:

if (j == p.size()) {
    return i == s.size();
}

另一个 base case 是 i == s.size(),按照 dp 函数的定义,这种情况意味着文本串 s 已经全部被匹配了,那么是不是只要简单地检查一下 p 是否也匹配完就行了呢?

if (i == s.size()) {
    // 这样行吗?
    return j == p.size();
}

这是不正确的,此时并不能根据 j 是否等于 p.size() 来判断是否完成匹配,只要 p[j..] 能够匹配空串,就可以算完成匹配。比如说 s = "a", p = "ab*c*",当 i 走到 s 末尾的时候,j 并没有走到 p 的末尾,但是 p 依然可以匹配 s

所以我们可以写出如下代码:

int m = s.size(), n = p.size();

if (i == s.size()) {
    // 如果能匹配空串,一定是字符和 * 成对儿出现
    if ((n - j) % 2 == 1) {
        return false;
    }
    // 检查是否为 x*y*z* 这种形式
    for (; j + 1 < p.size(); j += 2) {
        if (p[j + 1] != '*') {
            return false;
        }
    }
    return true;
}

根据以上思路,就可以写出完整的代码:

/* 计算 p[j..] 是否匹配 s[i..] */
bool dp(string& s, int i, string& p, int j) {
    int m = s.size(), n = p.size();
    // base case
    if (j == n) {
        return i == m;
    }
    if (i == m) {
        if ((n - j) % 2 == 1) {
            return false;
        }
        for (; j + 1 < n; j += 2) {
            if (p[j + 1] != '*') {
                return false;
            }
        }
        return true;
    }

    // 记录状态 (i, j),消除重叠子问题
    string key = to_string(i) + "," + to_string(j);
    if (memo.count(key)) return memo[key];
    
    bool res = false;
    
    if (s[i] == p[j] || p[j] == '.') {
        if (j < n - 1 && p[j + 1] == '*') {
            res = dp(s, i, p, j + 2)
               || dp(s, i + 1, p, j);
        } else {
            res = dp(s, i + 1, p, j + 1);
        }
    } else {
        if (j < n - 1 && p[j + 1] == '*') {
            res = dp(s, i, p, j + 2);
        } else {
            res = false;
        }
    }
    // 将当前结果记入备忘录
    memo[key] = res;
    
    return res;
}

代码中用了一个哈希表 memo 消除重叠子问题,因为正则表达算法的递归框架如下:

bool dp(string& s, int i, string& p, int j) {
    dp(s, i, p, j + 2);     // 1
    dp(s, i + 1, p, j);     // 2
    dp(s, i + 1, p, j + 1); // 3
}

那么,如果让你从 dp(s, i, p, j) 得到 dp(s, i+2, p, j+2),至少有两条路径:1 -> 2 -> 23 -> 3,那么就说明 (i+2, j+2) 这个状态存在重复,这就说明存在重叠子问题。

动态规划的时间复杂度为「状态的总数」*「每次递归花费的时间」,本题中状态的总数当然就是 ij 的组合,也就是 M * NMs 的长度,Np 的长度);递归函数 dp 中没有循环(base case 中的不考虑,因为 base case 的触发次数有限),所以一次递归花费的时间为常数。二者相乘,总的时间复杂度为 O(MN)

空间复杂度很简单,就是备忘录 memo 的大小,即 O(MN)