算法-正则表达式匹配

原创已于 2025-04-28 15:32:03 修改 · 202 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

csdn原创文章未经同意，禁止转载

标签

#算法 #正则表达式

于 2021-04-15 18:14:34 首次发布

算法专栏收录该内容

17 篇文章

订阅专栏

题目

给你一个字符串 s 和一个字符规律 p，请你来实现一个支持 ‘.’ 和 ‘*’ 的正则表达式匹配。

‘.’ 匹配任意单个字符
‘*’ 匹配零个或多个前面的那一个元素
所谓匹配，是要涵盖整个字符串 s的，而不是部分字符串。

示例 1：
输入：s = “aa” p = “a”
输出：false
解释：“a” 无法匹配 “aa” 整个字符串。

示例 2:
输入：s = “aa” p = “a*”
输出：true
解释：因为 ‘*’ 代表可以匹配零个或多个前面的那一个元素, 在这里前面的元素就是 ‘a’。因此，字符串 “aa” 可被视为 ‘a’ 重复了一次。

示例 3：
输入：s = “ab” p = “."
输出：true
解释：".” 表示可匹配零个或多个（‘*’）任意字符（‘.’）。

示例 4：
输入：s = “aab” p = “cab”
输出：true
解释：因为 ‘*’ 表示零个或多个，这里 ‘c’ 为 0 个, ‘a’ 被重复一次。因此可以匹配字符串 “aab”。

示例 5：
输入：s = “mississippi” p = “misisp*.”
输出：false

提示：
0 <= s.length <= 20
0 <= p.length <= 30
s 可能为空，且只包含从 a-z 的小写字母。
p 可能为空，且只包含从 a-z 的小写字母，以及字符 . 和 *。
保证每次出现字符 * 时，前面都匹配到有效的字符

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/regular-expression-matching

解题：

class Solution {
public:
    // isMatch("aa", "a"); 第一步 s[0] == p[0]相等, 
    // 第二步调用isMatch("a", ""); !s.empty() && p.empty() 返回false
    bool isMatch(string s, string p) {
        if (p.empty()) {
            return s.empty();
        }
        
        if (!s.empty() && (s[0] == p[0] || p[0] == '.')) {
            // 匹配一个字符，则往后去匹配下一个字符
            if (p.size() >= 2 && p[1] == '*') { // *匹配0个或多个
                //if (s.size() == 1 && p.size() == 2) // s最后一个字符命中且p也匹配结束
                    //return true;
                // 匹配0个，则s不变，p减去二个字符
                // 匹配多个，则s减掉匹配的这个字符，p不变
                return isMatch(s, p.substr(2)) || isMatch(s.substr(1), p);
            } else {
                // 字符相等，则匹配下一个
                return isMatch(s.substr(1), p.substr(1));
            }
        } else {
            if (p.size() >= 2 && p[1] == '*') // 字符不相等，就尝试不匹配，因为*可匹配0个字符
                return isMatch(s, p.substr(2));
            else
                return false;
        }
    }
};

算法

1. 算法定义

算法是解决特定问题的一系列明确指令步骤，具有以下特性：

有穷性：必须在有限步骤内结束。
确定性：每一步骤无歧义。
可行性：可通过基本操作实现。
输入/输出：有零或多个输入，至少一个输出。

2. 算法分类

(1) 按设计范式
类型特点典型算法
分治法将问题分解为子问题递归求解归并排序、快速排序
动态规划通过存储子问题解避免重复计算背包问题、最短路径（Floyd）
贪心算法每一步选择局部最优解 Dijkstra算法、霍夫曼编码
回溯法尝试所有可能的解并通过剪枝优化 N皇后问题、数独求解
分支限界法结合广度优先搜索与剪枝策略旅行商问题（TSP）
(2) 按应用领域
排序算法：快速排序、堆排序、桶排序
搜索算法：二分查找、深度优先搜索（DFS）、广度优先搜索（BFS）
图算法：最小生成树（Prim/Kruskal）、拓扑排序
加密算法：RSA、AES、SHA-256