此题有多种方法
暴力解法
class Solution:
def longestPalindrome(self, s: str) -> str:
length = len(s)
maxLen = 0
maxString = ""
if length <= 1:
return s
for i in range(length):
for j in range(i+1,length+1):
seq = s[i:j]
rev = seq[::-1]
if seq == rev:
if len(seq) > maxLen:
maxLen = len(seq)
maxString = seq
return maxString
动态规划法
方法三:动态规划(推荐)
推荐理由:暴力解法太 naive,中心扩散不普适,Manacher 就更不普适了,是专门解这个问题的方法。而用动态规划我认为是最有用的,可以帮助你举一反三的方法。
补充说明:Manacher 算法有兴趣的朋友们可以了解一下,有人就借助它的第一步字符串预处理思想,解决了 LeetCode 第 4 题。因此以上推荐仅代表个人观点。
解决这类 “最优子结构” 问题,可以考虑使用 “动态规划”:
1、定义 “状态”;
2、找到 “状态转移方程”。
记号说明: 下文中,使用记号 s[l, r]
表示原始字符串的一个子串,l
、r
分别是区间的左右边界的索引值,使用左闭、右闭区间表示左右边界可以取到。举个例子,当 s = 'babad'
时,s[0, 1] = 'ba'
,s[2, 4] = 'bad'
。
1、定义 “状态”,这里 “状态”数组是二维数组。
dp[l][r]
表示子串 s[l, r]
(包括区间左右端点)是否构成回文串,是一个二维布尔型数组。即如果子串 s[l, r]
是回文串,那么 dp[l][r] = true
。
2、找到 “状态转移方程”。
首先,我们很清楚一个事实:
1、当子串只包含 1 个字符,它一定是回文子串;
2、当子串包含 2 个以上字符的时候:如果
s[l, r]
是一个回文串,例如“abccba”
,那么这个回文串两边各往里面收缩一个字符(如果可以的话)的子串s[l + 1, r - 1]
也一定是回文串,即:如果dp[l][r] == true
成立,一定有dp[l + 1][r - 1] = true
成立。
根据这一点,我们可以知道,给出一个子串 s[l, r]
,如果 s[l] != s[r]
,那么这个子串就一定不是回文串。如果 s[l] == s[r]
成立,就接着判断 s[l + 1] 与 s[r - 1]
,这很像中心扩散法的逆方法。
事实上,当 s[l] == s[r]
成立的时候,dp[l][r]
的值由 dp[l + 1][r - l]
决定,这一点也不难思考:当左右边界字符串相等的时候,整个字符串是否是回文就完全由“原字符串去掉左右边界”的子串是否回文决定。但是这里还需要再多考虑一点点:“原字符串去掉左右边界”的子串的边界情况。
1、当原字符串的元素个数为 3 个的时候,如果左右边界相等,那么去掉它们以后,只剩下 1 个字符,它一定是回文串,故原字符串也一定是回文串;
2、当原字符串的元素个数为 2 个的时候,如果左右边界相等,那么去掉它们以后,只剩下 0 个字符,显然原字符串也一定是回文串。
把上面两点归纳一下,只要 s[l + 1, r - 1]
至少包含两个元素,就有必要继续做判断,否则直接根据左右边界是否相等就能得到原字符串的回文性。而“s[l + 1, r - 1]
至少包含两个元素”等价于 l + 1 < r - 1
,整理得 l - r < -2
,或者 r - l > 2
。
综上,如果一个字符串的左右边界相等,以下二者之一成立即可: 1、去掉左右边界以后的字符串不构成区间,即“ s[l + 1, r - 1]
至少包含两个元素”的反面,即 l - r >= -2
,或者 r - l <= 2
; 2、去掉左右边界以后的字符串是回文串,具体说,它的回文性决定了原字符串的回文性。
于是整理成“状态转移方程”:
dp[l, r] = (s[l] == s[r] and (l - r >= -2 or dp[l + 1, r - 1]))
class Solution:
def longestPalindrome(self, s: str) -> str:
size = len(s)
if size <= 1:
return s
dp = [[False for _ in range(size)] for _ in range(size)]
max_len = 1
res = s[0]
for r in range(1, size):
for l in range(r):
if s[l] == s[r] and (r-l <=2 or dp[l+1][r-1]):
dp[l][r] = True
cur_len = r - l + 1
if cur_len > max_len:
max_len = cur_len
res = s[l:r+1]
return res