242. 有效的字母异位词

简介: 242. 有效的字母异位词

一、题目描述:

给定两个字符串 s 和 t ,编写一个函数来判断 t 是否是 s 的字母异位词。

注意:若 s 和 t 中每个字符出现的次数都相同,则称 s 和 t 互为字母异位词。


示例 1:

输入: s = "anagram", t = "nagaram"输出: true示例 2:

输入: s = "rat", t = "car"输出: false

提示:

1 <= s.length, t.length <= 5 * 10^4s 和 t 仅包含小写字母

进阶: 如果输入字符串包含 unicode 字符怎么办?你能否调整你的解法来应对这种情况?

来源:力扣(LeetCode)链接:https://leetcode-cn.com/problems/valid-anagram著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

二、思路分析:

这道题考察了什么思想?你的思路是什么?

  1. 这道题目用Python还是很容易的,只需要两个字符串之间相减,然后判断是否为空即可。

做题的时候是不是一次通过的,遇到了什么问题,需要注意什么细节?

  1. 不是一次通过的,刚开始只比较了not (collections.Counter(s) - collections.Counter(t)),这样就可能导致t中有的字符,而s中没有的情况也被通过。用Java也比较容易实现,将字符串排序之后比较两个字符串即可。

有几种解法,哪种解法时间复杂度最低,哪种解法空间复杂度最低,最优解法是什么?其他人的题解是什么,谁的效率更好一些?用不同语言实现的话,哪个语言速度最快?

  1. 对于题干中的进阶要求,我看到了如下的题解:
    网络异常,图片无法展示
    |

classSolution {

   publicbooleanisAnagram(Strings, Stringt) {

       if (s.length() !=t.length()) {

           returnfalse;

       }

       Map<Character, Integer>table=newHashMap<Character, Integer>();

       for (inti=0; i<s.length(); i++) {

           charch=s.charAt(i);

           table.put(ch, table.getOrDefault(ch, 0) +1);

       }

       for (inti=0; i<t.length(); i++) {

           charch=t.charAt(i);

           table.put(ch, table.getOrDefault(ch, 0) -1);

           if (table.get(ch) <0) {

               returnfalse;

           }

       }

       returntrue;

   }

}

三、AC 代码:

classSolution(object):

   defisAnagram(self, s, t):

       """

       :type s: str

       :type t: str

       :rtype: bool

       """

       returnnot (collections.Counter(s) -collections.Counter(t)) andnot (collections.Counter(t) -collections.Counter(s))


image.png

classSolution {

   publicbooleanisAnagram(Strings, Stringt) {

       char[] charArray1=s.toCharArray();

       char[] charArray2=t.toCharArray();

       Arrays.sort(charArray1);

       Arrays.sort(charArray2);

       returnArrays.equals(charArray1, charArray2);

   }

}

image.png四、总结:

处理字符串很多问题,重要是掌握哈希表的用法和Python的collections.Counter()。这道题目难度不大,如果可能建议用纯C实现一遍。

目录
相关文章
|
3天前
|
数据采集 人工智能 安全
|
12天前
|
云安全 监控 安全
|
4天前
|
自然语言处理 API
万相 Wan2.6 全新升级发布!人人都能当导演的时代来了
通义万相2.6全新升级,支持文生图、图生视频、文生视频,打造电影级创作体验。智能分镜、角色扮演、音画同步,让创意一键成片,大众也能轻松制作高质量短视频。
1081 151
|
18天前
|
机器学习/深度学习 人工智能 自然语言处理
Z-Image:冲击体验上限的下一代图像生成模型
通义实验室推出全新文生图模型Z-Image,以6B参数实现“快、稳、轻、准”突破。Turbo版本仅需8步亚秒级生成,支持16GB显存设备,中英双语理解与文字渲染尤为出色,真实感和美学表现媲美国际顶尖模型,被誉为“最值得关注的开源生图模型之一”。
1750 9
|
9天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
693 152
|
11天前
|
人工智能 安全 前端开发
AgentScope Java v1.0 发布,让 Java 开发者轻松构建企业级 Agentic 应用
AgentScope 重磅发布 Java 版本,拥抱企业开发主流技术栈。
659 14
|
6天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
426 4