题目描述:
给你一个字符串 s ,请你统计并返回这个字符串中 回文子串 的数目。
回文字符串 是正着读和倒过来读一样的字符串。
子字符串 是字符串中的由连续字符组成的一个序列。
具有不同开始位置或结束位置的子串,即使是由相同的字符组成,也会被视作不同的子串。
思路分析:代码随想录
- 确定dp数组(dp table)以及下标的含义:布尔类型的dp[i][j]:表示区间范围[i,j] (注意是左闭右闭)的子串是否是回文子串,如果是dp[i][j]为true,否则为false。
- 确定递推公式
- dp数组如何初始化:dp[i][j]初始化为false。
- 确定遍历顺序:从下到上,从左到右遍历
- 举例推导dp数组
- class Solution {
- public int countSubstrings(String s) {
- int len, ans = 0;
- if (s == null || (len = s.length()) < 1) return 0;
- //dp[i][j]:s字符串下标i到下标j的字串是否是一个回文串,即s[i, j]
- boolean[][] dp = new boolean[len][len];
- for (int j = 0; j < len; j++) {
- for (int i = 0; i <= j; i++) {
- //当两端字母一样时,才可以两端收缩进一步判断
- if (s.charAt(i) == s.charAt(j)) {
- //i++,j--,即两端收缩之后i,j指针指向同一个字符或者i超过j了,必然是一个回文串
- if (j - i < 3) {
- dp[i][j] = true;
- } else {
- //否则通过收缩之后的字串判断
- dp[i][j] = dp[i + 1][j - 1];
- }
- } else {//两端字符不一样,不是回文串
- dp[i][j] = false;
- }
- }
- }
- //遍历每一个字串,统计回文串个数
- for (int i = 0; i < len; i++) {
- for (int j = 0; j < len; j++) {
- if (dp[i][j]) ans++;
- }
- }
- return ans;
- }
- }
- class Solution {
- public int countSubstrings(String s) {
- int len, ans = 0;
- if (s == null || (len = s.length()) < 1) return 0;
- //总共有2 * len - 1个中心点
- for (int i = 0; i < 2 * len - 1; i++) {
- //通过遍历每个回文中心,向两边扩散,并判断是否回文字串
- //有两种情况,left == right,right = left + 1,这两种回文中心是不一样的
- int left = i / 2, right = left + i % 2;
- while (left >= 0 && right < len && s.charAt(left) == s.charAt(right)) {
- //如果当前是一个回文串,则记录数量
- ans++;
- left--;
- right++;
- }
- }
- return ans;
- }
- }
题目描述:
给你一个字符串 s ,找出其中最长的回文子序列,并返回该序列的长度。
子序列定义为:不改变剩余字符顺序的情况下,删除某些字符或者不删除任何字符形成的一个序列。
思路分析:代码随想录
- 确定dp数组(dp table)以及下标的含义:dp[i][j]:字符串s在[i, j]范围内最长的回文子序列的长度为dp[i][j]。
- 确定递推公式:dp[i][j] = max(dp[i + 1][j], dp[i][j - 1])
- dp数组如何初始化:dp[i][j]初始为0
- 确定遍历顺序:从下到上遍历
- 举例推导dp数组
解法:
- class Solution {
- public int longestPalindromeSubseq(String s) {
- int len = s.length();
- int[][] dp = new int[len + 1][len + 1];
- for (int i = len - 1; i >= 0; i--) { // 从后往前遍历 保证情况不漏
- dp[i][i] = 1; // 初始化
- for (int j = i + 1; j < len; j++) {
- if (s.charAt(i) == s.charAt(j)) {
- dp[i][j] = dp[i + 1][j - 1] + 2;
- } else {
- dp[i][j] = Math.max(dp[i + 1][j], Math.max(dp[i][j], dp[i][j - 1]));
- }
- }
- }
- return dp[0][len - 1];
- }
- }