[leetcode] 30. 与所有单词相关联的字串（cn第653位做出此题的人~）

30. 与所有单词相关联的字串

这个题做了大概两个小时左右把。。。严重怀疑leetcode的judge机器有问题。同样的代码交出来不同的运行时长，能不能A题还得看运气？

大致思路是，给words生成一关于s的字典，用来记录每个word在s中出现的所有位置，注意可能会出现相同的word。然后递归枚举words的排列情况，一一校验是否符合条件（即连在一起）。用到了递归+记忆化搜索+kmp+几个剪枝

一直最后几个测试用例上TLE，囧啊，甚至一度怀疑是不是还有更优的做法。

然后开始考虑剪枝：

1. 记忆化搜索：即同一层下同样的word只搜一次就好。（又多过了几个测试样例）
2. 使用kmp算法：一开始在生成字典时直接用的java String的indexOf，效率太低了，换用kmp后，又多过了两个，不过还是不够
3. 在确定头位置时，如果此时s剩余长度根本不够words的所有长度，直接跳过 ，妈的，此时发现还有最后两个测试用例过不了。。。仔细研究了下数据，又搞出一个特判剪枝2333333333
4. 当words只有两种时，即word1与word2，那么可以先验证下word1+word2或word2+word1是否是s子串，如果不是的话不用搜了，肯定搜不到答案。。。

class Solution {

    class KMPStringMatcher {

        /**
         * 获取KMP算法中pattern字符串对应的next数组
         *
         * @param p 模式字符串对应的字符数组
         * @return
         */
        protected int[] getNext(char[] p) {
            // 已知next[j] = k,利用递归的思想求出next[j+1]的值
            // 如果已知next[j] = k,如何求出next[j+1]呢?具体算法如下:
            // 1. 如果p[j] = p[k], 则next[j+1] = next[k] + 1;
            // 2. 如果p[j] != p[k], 则令k=next[k],如果此时p[j]==p[k],则next[j+1]=k+1,
            // 如果不相等,则继续递归前缀索引,令 k=next[k],继续判断,直至k=-1(即k=next[0])或者p[j]=p[k]为止
            int pLen = p.length;
            int[] next = new int[pLen];
            int k = -1;
            int j = 0;
            next[0] = -1; // next数组中next[0]为-1
            while (j < pLen - 1) {
                if (k == -1 || p[j] == p[k]) {
                    k++;
                    j++;
                    next[j] = k;
                } else {
                    k = next[k];
                }
            }
            return next;
        }

        public int indexOf(String source, String pattern) {
            int i = 0, j = 0;
            char[] src = source.toCharArray();
            char[] ptn = pattern.toCharArray();
            int sLen = src.length;
            int pLen = ptn.length;
            int[] next = getNext(ptn);
            while (i < sLen && j < pLen) {
                // 如果j = -1,或者当前字符匹配成功(src[i] = ptn[j]),都让i++,j++
                if (j == -1 || src[i] == ptn[j]) {
                    i++;
                    j++;
                } else {
                    // 如果j!=-1且当前字符匹配失败,则令i不变,j=next[j],即让pattern模式串右移j-next[j]个单位
                    j = next[j];
                }
            }
            if (j == pLen)
                return i - j;
            return -1;
        }
    }

    public List<Integer> findSubstring(String s, String[] words) {
        List<Integer> ans = new ArrayList<>();
        if (s.equals("")) {
            return ans;
        }
        if (words.length == 0) {
            return ans;
        }

        Map<String, List<Integer>> dic = new HashMap<>();

        KMPStringMatcher kmpStringMatcher = new KMPStringMatcher();
        for (String word : words) {
            if (dic.containsKey(word)) {
                // word 可能出现重复的
                continue;
            }

            int k = 0, p = 0;

            int tmp = 0;
            while ((tmp = kmpStringMatcher.indexOf(s.substring(p), word)) != -1) {
                k = p + tmp;
                dic.computeIfAbsent(word, x -> new ArrayList<Integer>()).add(k);
                p = k + 1;
            }
        }

        Set<String> keys = dic.keySet();
        if (keys.size() == 2) {
            Iterator<String> iterator = keys.iterator();
            String tmp1 = iterator.next();
            String tmp2 = iterator.next();
            if (kmpStringMatcher.indexOf(s, tmp1 + tmp2) == -1 && kmpStringMatcher.indexOf(s, tmp2 + tmp1) == -1) {
                return new ArrayList<>();
            }
        }

        Map<String, Integer> flagMap = new HashMap<>();

        List<String> standBy = new ArrayList<>(Arrays.asList(words));
        for (String s1 : standBy) {
            if (!dic.containsKey(s1)) break;

            //记忆化搜索剪枝：同一层下同样的word没必要继续搜下去
            if (flagMap.containsKey(s1)) continue;
            flagMap.put(s1, 1);

            List<String> tmpStandBy = new ArrayList<>(standBy);
            tmpStandBy.remove(s1);
            for (Integer p : dic.get(s1)) {
                // 剪枝，如果字串长度根本不够匹配的，直接跳过
                if (s.length() - (p + s1.length()) < tmpStandBy.size() * s1.length()) continue;

                dfs(dic, tmpStandBy, p, p + s1.length(), s1.length(), ans);
            }
        }

//        return ans.stream().distinct().collect(Collectors.toList());
        return ans;
    }

    // p 当前子串的头位置，now表示当前子串的尾位置
    public boolean dfs(Map<String, List<Integer>> dic, List<String> standby, int p, int now, int len, List<Integer> ans) {
        if (standby.size() == 0) {
            ans.add(p);
            return true;
        }
        Map<String, Integer> flagMap = new HashMap<>();
        for (String s1 : standby) {
            if (!dic.containsKey(s1)) break;

            //记忆化搜索剪枝：同一层下同样的word没必要继续搜下去
            if (flagMap.containsKey(s1)) continue;
            flagMap.put(s1, 1);

            boolean flag = false;
            for (Integer position : dic.get(s1)) {
                if (position == now) {
                    flag = true;
                    break;
                }
            }
            if (flag) {
                List<String> tmpStandBy = new ArrayList<>(standby);
                tmpStandBy.remove(s1);
                if (dfs(dic, tmpStandBy, p, now + len, len, ans)) {
                    return true;
                }
            }
        }
        return false;
    }
}

另外，看别人题解貌似可以用滑动窗口的思路来做，回头研究下