青岛鼎盛优诺高科新能源技术有限公司
User Avatar

专业网站建设黄冈网站建设

青岛鼎盛优诺高科新能源技术有限公司 2026/09/09 17:52:37

匹配子序列的单词数

问题描述

给定字符串s和一个字符串数组words，返回words中是s的子序列的单词数目。

子序列：通过删除s中的一些字符（也可以不删除）而不改变剩余字符相对位置所形成的新字符串。

示例：

输入: s = "abcde", words = ["a","bb","acd","ace"] 输出: 3 解释: 有三个单词是s的子序列："a"，"acd"，"ace"。

算法思路

暴力：

  • 对每个单词都从头开始在s中匹配
  • 时间复杂度：O(words.length × s.length × avg_word_length)
  • 对于大量重复单词会重复计算

方法：

  1. 预处理 + 二分查找：为每个字符预处理其在s中的位置，然后对每个单词使用二分查找
  2. 多指针：为每个单词维护一个指针，同时遍历s
  3. 缓存：使用哈希表缓存已计算的结果，避免重复单词的重复计算

代码实现

方法一：预处理 + 二分查找

importjava.util.*;classSolution{/** * 使用预处理和二分查找判断子序列 * * @param s 源字符串 * @param words 单词数组 * @return 是s的子序列的单词数目 */publicintnumMatchingSubseq(Strings,String[]words){// 1: 预处理 - 为每个字符记录其在s中出现的所有位置List<Integer>[]positions=newList[26];for(inti=0;i<26;i++){positions[i]=newArrayList<>();}for(inti=0;i<s.length();i++){positions[s.charAt(i)-'a'].add(i);}// 2: 使用缓存避免重复计算Map<String,Boolean>cache=newHashMap<>();intcount=0;// 3: 对每个单词判断是否为子序列for(Stringword:words){if(cache.containsKey(word)){if(cache.get(word)){count++;}continue;}booleanisSubseq=isSubsequence(word,positions);cache.put(word,isSubseq);if(isSubseq){count++;}}returncount;}/** * 使用二分查找判断单词是否为子序列 * * @param word 待检查的单词 * @param positions 字符位置预处理数组 * @return true表示是子序列，false表示不是 */privatebooleanisSubsequence(Stringword,List<Integer>[]positions){intprevIndex=-1;// 上一个匹配字符在s中的位置for(charc:word.toCharArray()){List<Integer>charPositions=positions[c-'a'];// 如果字符c在s中不存在，直接返回falseif(charPositions.isEmpty()){returnfalse;}// 二分查找第一个大于prevIndex的位置intleft=0,right=charPositions.size();while(left<right){intmid=left+(right-left)/2;if(charPositions.get(mid)<=prevIndex){left=mid+1;}else{right=mid;}}// 如果没有找到合适的位置if(left==charPositions.size()){returnfalse;}// 更新prevIndex为找到的位置prevIndex=charPositions.get(left);}returntrue;}}

方法二：多指针

importjava.util.*;classSolution{/** * 使用多指针判断子序列 * 为每个单词维护一个指针，同时遍历s */publicintnumMatchingSubseq(Strings,String[]words){// 使用缓存避免重复计算Map<String,Integer>wordCount=newHashMap<>();for(Stringword:words){wordCount.put(word,wordCount.getOrDefault(word,0)+1);}// 为每个唯一单词创建指针Map<String,Integer>pointers=newHashMap<>();for(Stringword:wordCount.keySet()){pointers.put(word,0);}intmatchedCount=0;// 遍历s的每个字符for(charc:s.toCharArray()){// 复制需要更新的单词列表List<String>toRemove=newArrayList<>();// 检查每个单词的当前指针位置for(Stringword:pointers.keySet()){intptr=pointers.get(word);if(ptr<word.length()&&word.charAt(ptr)==c){ptr++;pointers.put(word,ptr);// 如果单词完全匹配if(ptr==word.length()){matchedCount+=wordCount.get(word);toRemove.add(word);}}}// 移除已完全匹配的单词for(Stringword:toRemove){pointers.remove(word);}}returnmatchedCount;}}

方法三：优化二分查找

importjava.util.*;classSolution{/** * 使用Collections.binarySearch优化的二分查找 */publicintnumMatchingSubseq(Strings,String[]words){// 预处理字符位置List<Integer>[]positions=newList[26];for(inti=0;i<26;i++){positions[i]=newArrayList<>();}for(inti=0;i<s.length();i++){positions[s.charAt(i)-'a'].add(i);}Map<String,Boolean>cache=newHashMap<>();intcount=0;for(Stringword:words){if(cache.computeIfAbsent(word,w->isSubsequenceOptimized(w,positions))){count++;}}returncount;}privatebooleanisSubsequenceOptimized(Stringword,List<Integer>[]positions){intprevIndex=-1;for(charc:word.toCharArray()){List<Integer>list=positions[c-'a'];if(list.isEmpty())returnfalse;// 使用Collections.binarySearch找到插入位置intpos=Collections.binarySearch(list,prevIndex+1);if(pos<0){pos=-pos-1;// 转换为插入位置}if(pos>=list.size()){returnfalse;}prevIndex=list.get(pos);}returntrue;}}

方法四：暴力

importjava.util.*;classSolution{/** * 暴力双指针，使用缓存优化 */publicintnumMatchingSubseq(Strings,String[]words){Map<String,Boolean>cache=newHashMap<>();intcount=0;for(Stringword:words){if(cache.computeIfAbsent(word,w->isSubsequenceBrute(s,w))){count++;}}returncount;}privatebooleanisSubsequenceBrute(Strings,Stringword){inti=0,j=0;while(i<s.length()&&j<word.length()){if(s.charAt(i)==word.charAt(j)){j++;}i++;}returnj==word.length();}}

算法分析

  • 时间复杂度：

    • 预处理 + 二分查找：O(s.length + (word.length × log(s.length)))
    • 多指针：O(s.length × unique_words_count)
    • 暴力（带缓存）：O(s.length × unique_words_count)

  • 空间复杂度：

    • 预处理 + 二分查找：O(s.length + unique_words_count)
    • 多指针：O(unique_words_count × avg_word_length)
    • 暴力：O(unique_words_count × avg_word_length)

算法过程

1：s = “abcde”, words = [“a”,“bb”,“acd”,“ace”]

预处理：

  • positions[‘a’] = [0]
  • positions[‘b’] = [1]
  • positions[‘c’] = [2]
  • positions[‘d’] = [3]
  • positions[‘e’] = [4]

单词检查：

  1. “a”：

    • 字符’a’：在positions[0]中找> -1的位置 → 找到0
    • 完全匹配

  2. “bb”：

    • 第一个’b’：在positions[1]中找> -1的位置 → 找到1
    • 第二个’b’：在positions[1]中找> 1的位置 → 未找到

  3. “acd”：

    • ‘a’：找到位置0，prevIndex=0
    • ‘c’：在positions[2]中找> 0的位置 → 找到2，prevIndex=2
    • ‘d’：在positions[3]中找> 2的位置 → 找到3，prevIndex=3
    • 完全匹配

  4. “ace”：

    • ‘a’：找到位置0，prevIndex=0
    • ‘c’：找到位置2，prevIndex=2
    • ‘e’：在positions[4]中找> 2的位置 → 找到4，prevIndex=4
    • 完全匹配

结果：3个单词匹配

测试用例

publicstaticvoidmain(String[]args){Solutionsolution=newSolution();// 测试用例1：标准示例String[]words1={"a","bb","acd","ace"};System.out.println("Test 1: "+solution.numMatchingSubseq("abcde",words1));// 3// 测试用例2：重复单词String[]words2={"a","a","a"};System.out.println("Test 2: "+solution.numMatchingSubseq("abcde",words2));// 3// 测试用例3：空单词String[]words3={""};System.out.println("Test 3: "+solution.numMatchingSubseq("abcde",words3));// 1// 测试用例4：无匹配String[]words4={"bb","cb","bd"};System.out.println("Test 4: "+solution.numMatchingSubseq("abcde",words4));// 0// 测试用例5：完全匹配String[]words5={"abcde"};System.out.println("Test 5: "+solution.numMatchingSubseq("abcde",words5));// 1// 测试用例6：长字符串StringlongS="abcdefghijklmnopqrstuvwxyz";String[]words6={"ace","xyz","aeiou","bcdfg"};System.out.println("Test 6: "+solution.numMatchingSubseq(longS,words6));// 4// 测试用例7：单字符sString[]words7={"a","b","c"};System.out.println("Test 7: "+solution.numMatchingSubseq("a",words7));// 1// 测试用例8：大量重复单词String[]words8=newString[5000];Arrays.fill(words8,"ace");System.out.println("Test 8: "+solution.numMatchingSubseq("abcde",words8));// 5000// 测试用例9：边界情况String[]words9={"a","z"};System.out.println("Test 9: "+solution.numMatchingSubseq("a",words9));// 1// 测试用例10：空sString[]words10={"a",""};System.out.println("Test 10: "+solution.numMatchingSubseq("",words10));// 1 (只有空字符串匹配)}

关键点

  1. 缓存：

    • words数组可能包含大量重复单词
    • 缓存可以将时间复杂度从 O(total_words) 降低到 O(unique_words)

  2. 二分查找：

    • 预处理每个字符的位置，避免重复遍历s
    • 对于长s和短单词，效率提升

  3. 子序列：

    • 不需要连续，必须保持相对顺序
    • 空字符串是任何字符串的子序列

  4. 字符位置：

    • 使用 ArrayList 存储每个字符的所有位置
    • 位置天然有序，适合二分查找

  5. 边界情况处理：

    • 空字符串、单字符、重复字符等特殊情况
    • 字符在s中不存在的情况

常见问题

  1. 为什么需要缓存？

    • words可能包含重复单词
    • 不缓存会导致重复计算，效率低下

  2. 二分查找？

    • 找第一个大于prevIndex的位置
    • 确保字符的相对顺序正确
版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈，一经查实，立即删除！

上海网站建设舟山网站建设

Windows终极自定义神器Windhawk：零基础打造专属系统体验【免费下载链接】windhawkThe customization marketplace for Windows p

2026/06/30 13:53:37

中小企业网站建设长沙营销型网站建设

树莓派5上手实录：从拆盒到系统跑起来上周刚拿到全新的树莓派5，迫不及待开箱折腾了一番。作为一个从树莓派3时代就开始玩的老用户，这次升级真的让我眼前一亮——不只

2026/06/30 12:11:59

东营网站建设湖北网站建设

第一章：告别混乱代码：VSCode自动格式化入门在现代软件开发中，代码的可读性与一致性直接影响团队协作效率和项目维护成本。Visual Studio Code

2026/06/30 10:07:18

asp网站建设廊坊网站建设

还在为英雄联盟繁琐的操作流程而烦恼吗？LeagueAkari作为一款基于LCU API开发的免费辅助工具，为玩家提供从战绩查询到自动选择的完整解决方案。无论你是想提升效率的

2026/06/30 11:49:57

莱芜网站建设网站建设需要

零基础图片转3D立体浮雕：5分钟搞定可打印模型终极教程【免费下载链接】ImageToSTLThis tool allows you to easily convert any image

2026/06/30 12:48:03

福州网站建设南充网站建设

在当今企业级服务器管理场景中，网络隔离环境已成为常态。无论是金融行业的合规要求，还是制造企业的生产网络隔离，传统依赖在线安装的宝塔面板部署方式往往面临严峻挑战

2026/06/30 13:08:04

医院网站建设徐家汇网站建设

系统程序文件列表项目功能：学生,教师,使用说明,意见反馈,课程信息开题报告内容SpringBoot学校试卷生成系统开题报告一、研究背景与意义1.1 研究背景传统试卷生成依赖教师手动命题&

2026/06/30 10:05:48

建设银行网站门户网站建设方案

还在为视频超分辨率模型部署的复杂配置而头疼吗？🤔 今天我们就来分享一套从零开始的实用方案，让你轻松驾驭这项前沿技术！【免费下载链接】Comfy

2026/06/30 11:38:26

建设网站制作龙华网站建设

一、测试策略优化：从源头提升效率1.1 风险导向的测试规划基于风险分析的测试策略能够将有限的测试资源集中在最关键的功能模块。建议采用以下方法：建立功能风险矩阵，

2026/06/30 11:35:56

网站建设项目海口网站建设

5分钟极速上手：让你的网易云音乐插上翅膀【免费下载链接】BetterNCM-Installer一键安装 Better 系软件项目地址: https://gitcode.com/gh_mi

2026/06/30 12:52:03