题目描述

编写一个函数来查找字符串数组中的最长公共前缀。

如果不存在公共前缀,返回空字符串 ""

示例 1:

输入: ["flower","flow","flight"]
输出: "fl"

示例 2:

输入: ["dog","racecar","car"]
输出: ""
解释: 输入不存在公共前缀。

说明:

所有输入只包含小写字母 a-z 。

方法一:水平扫描法

思路:

首先,我们将描述一种查找一组字符串的最长公共前缀LCP(S1..Sn)的简单方法。

我们将会用到这样的结论

LCP(S1. . .Sn) = LCP(LCP(LCP(S1,S2),S3). . .Sn)

算法

为了运用这种思想,算法要依次遍历字符串[S1...Sn],当遍历到第i个字符串的时候,找到最长公共前缀LCP(S1. . .Si)。当LCP(S1. . .S)是一个空串的时候,算法就结束了。否则,在执行了n次遍历之后,算法就会返回最终答案LCP(S1. . .Sn)

代码实现

class Solution {
public String longestCommonPrefix(String[] strs) {
//如果字符串数组长度为0,返回空字符串""
if (strs.length == 0) return "";
//定义字符串数组第一个字符串为prefix
String prefix = strs[0];
for (int i = 1; i < strs.length; i++) {
//判断当前字符串strs[i]中是否有prefix(某个字符或某个字符串),
// 有的话就返回所在的下标(首次出现的位置),没有的话就返回-1
while (strs[i].indexOf(prefix) != 0) {
//prefix长度从后面减少一位
prefix = prefix.substring(0, prefix.length() - 1);
//如果不存在公共前缀,返回空字符串 ""
if (prefix.isEmpty()) return "";
}
}
return prefix;
}
}

方法二:xx扫描法

算法

想象数组的末尾有一个非常短的字符串,使用上述方法依旧会进行 S​​ 次比较。优化这类情况的一种方法就是水平扫描。我们从前往后枚举字符串的每一列,先比较每个字符串相同列上的字符(即不同字符串相同下标的字符)然后再进行对下一列的比较。

代码实现

class Solution {
public String longestCommonPrefix(String[] strs) {
//如果字符串数组等于空或长度为0,返回空字符串""
if (strs == null || strs.length == 0) return "";
//这一层for循环遍历的是第一个字符串里的第 i 个字符串,后面的遍历都是与第一个字符串比对
for (int i = 0; i < strs[0].length() ; i++){
//把第一个字符串第i个字符赋给c
char c = strs[0].charAt(i);
//这一层for循环遍历的是第j字符串,并且取第 i 个字符串
for (int j = 1; j < strs.length; j ++) {
//如果i等于第j个字符串的长度 或 第j个字符串的第i个字符不等于c ,两者顺序不能颠倒
if (i == strs[j].length() || strs[j].charAt(i) != c)
//返回第一个字符串的0-i个字符
return strs[0].substring(0, i);
}
}
return strs[0];
}
}

算法三:分治思路

这个算法的思路来自于LCP操作的结合律。我们可以发现:
LCP(S1. . .Sn)= LCP(LCP(S1. . .SA),LCP(Sk + 1.Sn))
,其中LCP(S1. . .Sn)是字符串[S1..Sn]的最长公共前缀,1 < k < n。
算法
为了应用上述的结论,我们使用分治的技巧,将原问题LCP(S;…S;)分成两个子问题LCP(S;…Smid)与LCP(Smid + 1,S;),其中mid=i。我们用子问题的解1cpLeft 与1cpRi ght 构造原问题的解LCP(S;…S;)
。从头到尾挨个比较 lcpLeft 与 lcpRight 中的字符,直到不能再匹配为止。计算所得的 lcpLeft与 lcpRight最长公共前缀就是原问题的解 LCP(S;…S;)。

代码实现

public String longestCommonPrefix(String[] strs) {
//如果字符串数组等于空或长度为0,返回空字符串""
if (strs == null || strs.length == 0) return "";
return longestCommonPrefix(strs, 0, strs.length - 1);
} private String longestCommonPrefix(String[] strs, int l, int r) {
if (l == r) {
return strs[l];
} else {
int mid = (l + r) / 2;
//先从左半部分遍历,遍历的都是整个字符串,直到l等于r 返回最左边的字符串
String lcpLeft = longestCommonPrefix(strs, l, mid); //遍历左半部分的右边,直到l等于r 返回左半部分右边的的字符串
String lcpRight = longestCommonPrefix(strs, mid + 1, r); //拿到两个字符串之后,进行比较,找公共字首
return commonPrefix(lcpLeft, lcpRight);
}
} String commonPrefix(String left, String right) {
//取最短的那个字符串的长度,最好的情况是最短字符串全部都是最长公共前缀
int min = Math.min(left.length(), right.length());
for (int i = 0; i < min; i++) {
if (left.charAt(i) != right.charAt(i))
//substring(截取字符串)包括左边界,但却不包括右边界
return left.substring(0, i);
}
return left.substring(0, min);
}

方法四:二分查找法

思路

这个想法是应用二分查找法找到所有字符串的公共前缀的最大长度L。算法的查找区间是(0. . .minLen),其中minLen是输入数据中最短的字符串的长度,同时也是答案的最长可能长度。

每一次将查找区间一分为二,然后丢弃一定不包含最终答案的那一个。算法进行的过程中一共会出现两种可能情况:

  • S[1. . .mid]不是所有串的公共前缀。这表明对于所有的 j > i S[ 1. .j ]也不是公共前缀,于是我们就可以丢弃后半个查找区间。
  • S[1. . .mid]是所有串的公共前缀。这表示对于所有的 i < j S[ 1. .i ]都是可行的公共前缀,因为我们要找最长的公共前缀,所以我们可以把前半个查找区间丢弃。

代码实现

class Solution {
public String longestCommonPrefix(String[] strs) {
if (strs == null || strs.length == 0) {
return "";
}
//定义minLen初始值为Integer的最大值
int minLen = Integer.MAX_VALUE;
//遍历数组strs
for (String str : strs) {
//取最小的字符串长度,因为最好的情况就是全匹配最小字符串
minLen = Math.min(minLen, str.length());
}
int low = 1;
int high = minLen;
while (low <= high) {
//二分法,取最短字符串一半
int middle = (low + high) / 2;
//进行左右比较
if (isCommonPrefix(strs, middle)) {
//在字符串是以str1为前缀开始的时候,low=middle+1是多遍历一个字符位置
low = middle + 1;
} else {
//字符串不是以str1为前缀开始的时候,high=midd-1,是少遍历一个字符位置
high = middle - 1;
}
}
//返回的是 截取第一个字符串0到mid字符串
return strs[0].substring(0, (low + high) / 2);
} private boolean isCommonPrefix(String[] strs, int len){
//截取第一个字符串的前len个字符
String str1 = strs[0].substring(0,len);
for (int i = 1; i < strs.length; i++) {
//startsWith() 方法用于检测字符串是否以str1为前缀开始,如果不是直接return false
if (!strs[i].startsWith(str1)) {
return false;
}
}
return true;
}
}

LeetCode刷题-最长公共前缀(简单)的更多相关文章

  1. 每日一道 LeetCode (5):最长公共前缀

    前文合集 每日一道 LeetCode 前文合集 代码仓库 GitHub: https://github.com/meteor1993/LeetCode Gitee: https://gitee.com ...

  2. 【leetcode 简单】第五题 最长公共前缀

    编写一个函数来查找字符串数组中的最长公共前缀. 如果不存在公共前缀,返回空字符串 "". 示例 1: 输入: ["flower","flow" ...

  3. python刷LeetCode:14. 最长公共前缀

    难度等级:简单 题目描述: 编写一个函数来查找字符串数组中的最长公共前缀. 如果不存在公共前缀,返回空字符串 "". 示例 1: 输入: ["flower",& ...

  4. 【LeetCode】14. 最长公共前缀

    题目 编写一个函数来查找字符串数组中的最长公共前缀.如果不存在公共前缀,返回空字符串 "". 示例 1:输入: ["flower","flow&quo ...

  5. 力扣(LeetCode) 14. 最长公共前缀

    编写一个函数来查找字符串数组中的最长公共前缀. 如果不存在公共前缀,返回空字符串 "". 示例 1: 输入: ["flower","flow" ...

  6. leetcode.字符串.14最长公共前缀-Java

    1. 具体题目 编写一个函数来查找字符串数组中的最长公共前缀.如果不存在公共前缀,返回空字符串 "". 示例 1: 输入: ["flower","fl ...

  7. leetcode刷题--两数之和(简单)

    一.序言 第一次刷leetcode的题,之前从来没有刷题然后去面试的概念,直到临近秋招,或许是秋招结束的时候才有这个意识,原来面试是需要刷题的,面试问的问题都是千篇一律的,只要刷够了题就差不多了,当然 ...

  8. 【LeetCode 14】最长公共前缀

    题目链接 [题解] 二分最长前缀的长度. 然后暴力把第2..n个字符串和第1个字符串的前mid个字符匹配. 还有一种比较厉害的算法. 把这n个字符串加入到字典树当中去. 然后根节点到第一个有分支的节点 ...

  9. LeetCode刷题--有效的括号(简单)

    题目描述 给定一个只包括 ' ( ' , ' )  ',  ' { ' , ' } ' , ' [ ' , ' ] ' 的字符串,判断字符串是否有效.有效字符串需满足: 左括号必须用相同类型的右括号闭 ...

随机推荐

  1. 最全的linux基础命令

    第1章 linux命令 1.1 线上查询及帮助命令 help命令*** help前面接你要查询的命令:例如ls [root@server02 ~]# ls --help 用法:ls [选项]... [ ...

  2. IP,MAC

    MAC寻址与IP寻址 两者是协议上的区分,MAC地址是网卡的物理地址,是提供二层交换机转发数据的,交换机会在自己的内部形成一个MAC地址表,然后根据这个表转发数据包:再者,如果说网络规模大一点的话,机 ...

  3. Nginx(一)--nginx的初步认识及配置

    什么是Nginx 是一个高性能的反向代理服务器正向代理代理的是客户端反向代理代理的是服务端 Apache.Tomcat.Nginx 静态web服务器jsp/servlet服务器 tomcat 安装Ng ...

  4. python基础入门 列表

    列表 1.关键字---list 2.定义:用来存储数据可存储多种数据类型 支持索引,切片 是有序的 可变的 3.定义一个列表 l1 = ['列表','字符串','lnh',123,'kk0','ttt ...

  5. Linux查看文本的第20~30行

    一.模拟环境 [root@WT ~]# seq >/data/test.txt [root@WT ~]# xargs -n </data/test.txt 二.实现命令 方法一(head+ ...

  6. ThinkPhp RBAC实现原理

    RBAC是英文Role-Based Access Control的缩写,是基于角色访问进行控制的机制.意思是给每个用户设定一个角色,然后根据这个角色来判断用户的权限. 在此基于ThinkPhp的MVC ...

  7. 第三次作业-Python网络爬虫与信息提取

    1.注册中国大学MOOC 2.选择北京理工大学嵩天老师的<Python网络爬虫与信息提取>MOOC课程 3.学习完成第0周至第4周的课程内容,并完成各周作业 过程. 5.写一篇不少于100 ...

  8. MySQL数据库Group by分组之后再统计数目Count(*)与不分组直接统计数目的区别

    简述问题“统计最新时刻处于某一状态的设备的数量” 1. 首先子查询结果,可以看到每个设备最新的状态信息 2.1 在子查询的基础上,对设备状态进行分组,进行统计每个状态的设备数量 2.1.1 可以看到处 ...

  9. MongoDB安装与Spring整合

    MongoDB是面向文档的非关系型数据库,数据模型是一种类似于JSON的结构,在数据库中存的是各种各样的JSON.官网下载地址:https://www.mongodb.com/download-cen ...

  10. ReactNative: 使用AppReistry注册类

    一.简介 每一个应用程序的运行都有一个入口文件或者入口函数,例如iOS中的使用UIApplicationMain类完成入口函数的实现,在React-Native中,AppRegistry类就肩负着这个 ...