青岛创爱家居设计有限公司
User Avatar

专业网站建设黄冈网站建设

青岛创爱家居设计有限公司 2026/09/09 19:37:23

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！

网站建设报价表网站建设实训

Keil5安装实战避坑全攻略：从下载到调试的硬核经验分享在嵌入式开发的世界里，如果你刚入手一块STM32板子，第一步不是写代码，也不是接线——而

2026/06/30 13:06:34

龙岩网站建设河北网站建设

避免穿帮！Sonic视频时长必须严格匹配音频长度在短视频内容爆炸式增长的今天，AI数字人正以前所未有的速度渗透进直播、教育、电商等各个领域。一条高质量的数字人视频ÿ

2026/06/30 12:58:03

摄影网站建设长安网站建设

基于AI图像修复与SEO策略的长尾词内容布局实践在数字内容爆炸式增长的今天，用户早已不再满足于泛泛而谈的“推荐工具”或模糊的价格区间。当一个人在搜索引擎中输入“黑白照片上色多少钱”时&#

2026/06/30 13:55:08

山东省建设厅网站建设官方网站

在信息过载的时代，高效获取和管理网络内容变得至关重要。rss-parser是一个轻量级的JavaScript库，专门用于将RSS XML源转换为易于处理的JavaScrip

2026/06/30 11:52:58

网站外链建设银行网站建设

UI-TARS桌面版终极指南：从新手到高手的智能操作技巧【免费下载链接】UI-TARS-desktopA GUI Agent application based on UI-TARS(V

2026/06/30 12:42:02

黄石网站建设汕头网站建设

全面掌握Netperf：网络性能测试的瑞士军刀从零开始，深度解析Netperf的安装、使用和实战应用目录全面掌握Netperf：网络性能测试的瑞士军刀

2026/06/30 11:46:57

网站建设解决方案宝安网站建设

腾讯正式宣布开源混元大模型的FP8量化版本——Hunyuan-A13B-Instruct-FP8，该模型凭借创新的混合专家架构和高效量化技术，在仅激活130亿参数的情况下实

2026/06/30 13:01:34

网站建设空间湛江网站建设

文章目录核心概念澄清详细解析1. 二层VLAN —— 隔离与划分2. “三层VLAN” —— 连通与路由总结与如何选择“二层VLAN”和“三层VLAN”是一个常见的说法，但它们更准确的理解是：VLAN

2026/06/30 11:23:25

南通网站建设益阳网站建设

一、HLS编译IR中间表示（Intermediate Representation, IR）是编译器在将源代码转换为目标代码过程中使用的一种中间形式的程序表示;hls co

2026/06/30 13:30:06