永康市括鑫工贸有限公司
User Avatar

专业网站建设黄冈网站建设

永康市括鑫工贸有限公司 2026/09/09 20:34:12

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！

乐清网站建设徐州网站建设

BDSup2Sub完整指南：轻松掌握蓝光字幕转换的终极教程【免费下载链接】BDSup2SubBlu-Ray/DVD subtitle editor项目地址: https://gitcod

2026/06/30 12:17:31

中国建设银行官方网站河北网站建设

在数字化工作环境中，文件检索效率直接影响着工作流程的顺畅程度。EverythingToolbar作为一款创新的Windows系统增强工具，巧妙地将强大的Everything

2026/06/30 13:40:07

合肥网站建设青岛网站建设公司

Wan2.2-T2V-A14B能否识别并生成特定艺术风格如水彩画在AI内容创作迅速演进的今天，一个核心问题逐渐浮现：当用户输入“请生成一段水彩风格的江南春景视频”时

2026/06/30 13:10:34

济宁网站建设上海门户网站建设

YOLOFuse智慧农业大棚监控：作物生长+温度联合分析在现代温室大棚中，一个看似健康、叶片翠绿的番茄植株，可能正经历根部缺氧或早期真菌感染——这些隐

2026/06/30 10:25:20

网站建设项目南昌网站建设

云服务器架构演进：从虚拟化到容器化与无服务器的跨越云服务器的技术架构经历了三次重大变革。第一阶段以虚拟化技术为核心，通过Hypervisor将物理服务器划分为多个虚拟机&#

2026/06/30 11:22:25

电器网站建设国家建设部网站

Docker健康检查监控PyTorch服务运行状态在构建高可用的AI推理系统时，一个常被忽视的问题是：容器还在跑，服务却已经“瘫痪”了。你有没有遇到过这种情况

2026/06/30 10:36:21

天津网站建设商业网站建设

AcFun视频下载完整攻略：5分钟掌握离线收藏A站内容的最佳方法【免费下载链接】AcFunDown包含PC端UI界面的A站 视频下载器。支持收藏夹、UP主视频批量下载 😳

2026/06/30 13:52:08

成都网站建设公司漳州网站建设

AutoHotkey多语言支持终极指南：5步实现全球用户覆盖【免费下载链接】AutoHotkey项目地址: https://gitcode.com/gh_mirrors/autohotk

2026/06/30 10:16:49

网站建设协议广州网站建设工作室

FaceFusion如何减少长时间运行的内存泄漏？在直播推流、虚拟主播和实时换脸等AI视觉应用中，FaceFusion类系统往往需要连续运行数小时甚至数十小时。这类高负载场

2026/06/30 13:08:04