❓647. 回文子串
难度:中等
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。
示例 1:
输入:s = “abc”
输出:3
解释:三个回文子串: “a”, “b”, “c”
示例 2:
输入:s = “aaa”
输出:6
解释:6个回文子串: “a”, “a”, “a”, “aa”, “aa”, “aaa”
提示:
- 1 <= s.length<= 1000
- s由小写英文字母组成
💡思路:
法一:暴力
两层for循环,遍历区间起始位置和终止位置,然后判断这个区间是不是回文。
时间复杂度: O ( n 3 ) O(n^3) O(n3)
法二:中心扩展法
从字符串的某一位为中心,尝试着在两边扩展子字符串。
- 可以是奇数长度,也可以是偶数长度。
时间复杂度: O ( n 2 ) O(n^2) O(n2)
法三:动态规划
这一题还可以使用动态规划来进行解决:
- 状态:dp[i][j]表示字符串s在[i, j]区间的子串是否是一个回文串。
- 状态转移方程:当 s[i] == s[j] && (j - i < 2 || dp[i + 1][j - 1])时,dp[i][j] = true,否则为false;

这个状态转移方程是什么意思呢?
- 如果s[i] != s[j]必然不是回文串,所以下面的前提都为s[i] == s[j];
- 当只有一个字符时,比如 a自然是一个回文串; 以及当有两个字符时,如果是相等的,比如aa,也是一个回文串,所以设置j - i < 2,是回文字符串;
- 当有三个及以上字符时,比如 lol这个字符记作串,把两边的l去掉,也就是o, 如果o为回文串,那么lol也一定是回文串。所以当s[i]==s[j]时,自然要看dp[i+1][j-1]是不是一个回文串。
🍁代码:(Java、C++)
法一:暴力
 Java
class Solution {
    public int countSubstrings(String s) {
        int n = s.length();
        int cnt = n;
        for(int len = 2; len <= n; len++){
            for(int i = 0; i + len <= n; i++){
                cnt += isPlim(s.substring(i, i + len)) ? 1 : 0;
            }
        }
        return cnt;
    }
    public boolean isPlim(String s){
        for(int i = 0, j = s.length() - 1; i < j ; i++, j--){
            if(s.charAt(i) != s.charAt(j)) return false;
        }
        return true;
    }
}
C++
class Solution {
public:
    int countSubstrings(string s) {
        int n = s.size();
        int cnt = n;
        for(int len = 2; len <= n; len++){
            for(int i = 0; i + len <= n; i++){
                cnt += isPlim(s.substr(i, len)) ? 1 : 0;
            }
        }
        return cnt;
    }
    bool isPlim(string s){
        for(int i = 0, j = s.size() - 1; i < j; i++, j--){
            if(s[i] != s[j]) return false;
        }
        return true;
    }
};
法二:中心扩展法
 Java
class Solution {
    private int cnt = 0;
    public int countSubstrings(String s) {
        for (int i = 0; i < s.length(); i++) {
            extendSubstrings(s, i, i);     // 奇数长度
            extendSubstrings(s, i, i + 1); // 偶数长度
        }
        return cnt;
    }
    private void extendSubstrings(String s, int start, int end) {
        while (start >= 0 && end < s.length() && s.charAt(start) == s.charAt(end)) {
        	cnt++;
            start--;
            end++;
        }
    }
}
C++
class Solution {
public:
    int cnt = 0;
    int countSubstrings(string s) {
        for(int i = 0; i < s.size(); i++){
             extendSubstr(s, i, i);     //奇数长度
             extendSubstr(s, i, i + 1); //偶数长度
        }
        return cnt;
    }
    void  extendSubstr(string s, int start, int end){
        while(start >= 0 && end < s.size() && s[start] == s[end]){
            cnt++;
            start--;
            end++;
        }
    }
};
法三:动态规划
 Java
class Solution {
    public int countSubstrings(String s) {
        boolean[][] dp = new boolean[s.length()][s.length()];
        int cnt = 0;
        for (int j = 0; j < s.length(); j++) {
            for (int i = 0; i <= j; i++) {
                if (s.charAt(i) == s.charAt(j) && (j - i < 2 || dp[i + 1][j - 1])) {
                    dp[i][j] = true;
                    cnt++;
                }
            }
        }
        return cnt;
    }
}
C++
class Solution {
public:
    int countSubstrings(string s) {
        vector<vector<bool>> dp(s.size(), vector<bool>(s.size(), false));
        int cnt = 0;
        for (int j = 0; j < s.size(); j++) {
            for (int i = 0; i <= j; i++) {
                if (s[i] == s[j] && (j - i < 2 || dp[i + 1][j - 1])) {
                    dp[i][j] = true;
                    cnt++;
                }
            }
        }
        return cnt;
    }
};
🚀 运行结果:

🕔 复杂度分析:
- 时间复杂度: 
      
       
        
        
          O 
         
        
          ( 
         
         
         
           n 
          
         
           2 
          
         
        
          ) 
         
        
       
         O(n^2) 
        
       
     O(n2),其中 n为字符串的长度,中心扩展法和动态规划为 O ( n 2 ) O(n^2) O(n2)。。
- 空间复杂度: O ( 1 ) O(1) O(1),暴力和中心扩展法的空间复杂度是 O ( 1 ) O(1) O(1);动态规划为 O ( n 2 ) O(n^2) O(n2)。
题目来源:力扣。
放弃一件事很容易,每天能坚持一件事一定很酷,一起每日一题吧!
关注我 leetCode专栏,每日更新!


















