Google 面试题分析 | 字典里面的最长单词

Google 面试题分析 | 字典里面的最长单词

描述

给定一个字符串列表words，找到words最长的word，使得这个word可用words中的其他word一次一个字符地构建。如果有多个可选答案，则返回最长的且具有最小字典序的word。

样例

Ⅰ. Input: words =["w","wo","wor","worl","world"]

    Output: "world"

    Explanation: “world”可通过”w”, “wo”, “wor”, “worl”一次一个字符进行构建。

 

Ⅱ . Input: words =["a", "banana", "app", "appl","ap", "apply", "apple"]

     Output:"apple"

    Explanation: “apply”和”apple”都可以由其他字符构建。但”apple”的字典序要小于”apply”。

注意：

    所有的输入字符只包含小写字符。

    words的长度在[1, 1000]范围内。

    words[i]的长度在[1, 30]范围内。

解题思路

方法一：直接采用暴力搜索。

对于每一个word，检查是否其前缀都在words中。可以用words构建set。初始化ans=””，words，对每个元素，在set中寻找是否有其所有前缀。如果当前word合题，且长度大于ans，或长度等于ans但字典序小于ans，则修改ans为当前word。也可以先对words排序，按照长度从小到大，长度相同按照字典顺序。这样只要word合题就修改ans。 

时间复杂度：O(sum(w_i^2)),w_i表示words[i]的长度。对于每一个word，通过哈希表检查是否所有的前缀都在set当中需要O(w_i^2)。

空间复杂度：O(sum(w_i))用于创建set。

方法二：因为涉及到了字符串的前缀，所以使用Trie结构（一种字符串前缀树）。

trie树的介绍参见 Trie树介绍

把每个word放入Trie中，对Trie进行DFS，只搜索终结节点。每个找到的节点中（除了根）从根到该节点路径代表该节点的word。之后同方法一：如果当前word合题，且长度大于ans，或长度等于ans但字典序小于ans，则修改ans为当前word。

 时间复杂度：O(sum(w_i))，w_i是words[i]的长度。这是构建和便利Trie的复杂度。如果使用BFS而不是DFS，并且把每个节点的子节点进行排序，那么我们就不需要再去检查当前的word时候比ans要好，后访问的节点一定要好于先访问的节点，但复杂度不变。

空间复杂度：O(sum(w_i))用于构建Trie。

代码实现

package trie;

import java.util.HashMap;
import java.util.Map;
import java.util.Stack;


public class Solution {

    class Trie {
        //待构建的字符串列表
        private String words[];
        private Node root;
        
        public Trie(String[] words){
            this.root=new Node();
            this.words=words;
        }
        public Node builtTrie(){
            int index=0;
            for (int i=0;i stack=new Stack();
            stack.push(root);
            while(!stack.isEmpty()){
                Node node=stack.pop();
                if(node.getEnd()>0||node==root){
                    if(node!=root){
                        String word= this.words[node.getEnd()-1];
                        if(word.length()>result.length()||
                                word.length()==result.length()&&result.compareTo(word)>0){//最长的且具有最小字典序的word
                            result=word;
                        }
                    }
                    for(Node n:node.getChildrens().values()){//拿到子节点
                        stack.push(n);
                    }
                }
            }
            return result;
            
        }
    }
       
    class Node {
        // 节点字符值
        private char val;
        // 节点的子节点,即以根节点到该节点的值组成的字符串为前缀的字符串构建的节点
        private Map childrens = new HashMap();
        // 是否为结束节点,即一个字符串是否到达末尾节点 当end>0时表示结束节点  该节点存储单词在words列表中的位置
        private int end = 0;
       
        public char getVal() {
            return val;
        }

        public void setVal(char val) {
            this.val = val;
        }

        public Map getChildrens() {
            return childrens;
        }

        public void setChildrens(Map childrens) {
            this.childrens = childrens;
        }

        public int getEnd() {
            return end;
        }

        public void setEnd(int end) {
            this.end = end;
        }
    }

   
   
    public static void main(String[] args) {
        String[] words=new String[]{"a", "banana", "app", "appl", "ap", "apply", "apple"};
        //String[] words=new String[]{"w","wo","wor","worl", "world"};
        Solution s=new Solution();
        Trie t=s.new Trie(words);
        t.builtTrie();
        System.out.println( t.DFS());  
         
     }
}

转载请指明出处http://blog.csdn.net/tanggao1314/article/details/79004972

参考 https://mp.weixin.qq.com/s/WTXUt9C0YEl6171HbVWXWQ