当前位置: 首页 > news >正文

从 LeetCode 到日志匹配:一行 Swift 实现规则识别

在这里插入图片描述
在这里插入图片描述

文章目录

    • 摘要
    • 描述
    • 题解答案
    • 题解代码分析
    • 示例测试及结果
    • 时间复杂度
    • 空间复杂度
    • 总结

摘要

在开发中我们经常遇到“模式匹配”的问题,比如日志分类、用户意图识别、甚至是在一些权限系统中做规则映射判断。这类问题的本质是判断两个结构是否具有一致的对应关系。LeetCode 290 题“单词规律”就是这样的一个小而经典的场景。

本文将用 Swift 完整讲解该问题的解法,包含实际 Demo、代码分析,并用口语化方式带你理解每一处逻辑。

描述

我们有一个字符串 pattern,比如 "abba",还有一个字符串 s,比如 "dog cat cat dog"。我们要判断:这个字符串 s 是不是按照 pattern 中的规律来组织的。

规律是什么意思?就是 pattern 中的每个字符都应该“代表”字符串中的一个具体单词,而且这个关系必须是双向绑定的——不能两个字母指向同一个单词,也不能一个字母指向两个不同的单词。

举个例子:

  • pattern = "abba"
  • s = "dog cat cat dog"

意思就是:

  • 第一个 a 对应 dog
  • 第一个 b 对应 cat
  • 第二个 b 还是 cat
  • 第二个 a 还是 dog

前后一致,双向对应 —— 合法。

但如果是:

  • pattern = "abba"
  • s = "dog cat cat fish"

这就不合法了,因为最后的 a 对应的是 fish,而最开始是 dog,对应关系对不上。

题解答案

我们要做的就是:

  1. 拆开 s,按空格分割成单词数组。
  2. 遍历 pattern 和单词数组,分别记录 pattern 字符 -> 单词,和 单词 -> pattern 字符 的映射关系。
  3. 每一步都去检查是否一致。只要发现有一个地方对不上,就返回 false。
  4. 如果都对上了,就返回 true。

题解代码分析

下面是完整的 Swift 代码,包含注释,适合直接运行:

import Foundationfunc wordPattern(_ pattern: String, _ s: String) -> Bool {let words = s.split(separator: " ").map { String($0) }let chars = Array(pattern)// 如果数量不一致,肯定不符合规律guard words.count == chars.count else {return false}// 字母 -> 单词 的映射var charToWord = [Character: String]()// 单词 -> 字母 的映射var wordToChar = [String: Character]()for (c, w) in zip(chars, words) {if let mappedWord = charToWord[c] {if mappedWord != w {return false}} else {charToWord[c] = w}if let mappedChar = wordToChar[w] {if mappedChar != c {return false}} else {wordToChar[w] = c}}return true
}

示例测试及结果

我们来跑几个例子看看:

print(wordPattern("abba", "dog cat cat dog"))  // true
print(wordPattern("abba", "dog cat cat fish")) // false
print(wordPattern("aaaa", "dog cat cat dog"))  // false
print(wordPattern("abc", "one two three"))     // true
print(wordPattern("abc", "one one one"))       // false

结果输出

true
false
false
true
false

每一个测试例子都能直观说明题目的要求。

时间复杂度

这个算法是 O(n) 级别的,n 是 pattern 的长度(也就是 s 中单词的数量)。因为我们是线性遍历了一次 patterns,并做了常数级别的字典操作。

空间复杂度

空间上我们用了两个 HashMap(也就是 Swift 的 Dictionary),分别记录 char -> wordword -> char,最坏情况下就是每个字符和单词都不一样,那就是 O(n) 空间。

总结

“单词规律”这个问题看起来像字符串处理,其实本质是双射关系映射 —— 字母到单词,单词到字母都要唯一对应。日常开发中,如果你在做“模板渲染”、“日志模式分类”、“命名规范检查”等功能时,都可能会遇到类似的需求。

这类题的关键点是:

  • 把 pattern 和 s 拆开并配对
  • 同时维护两个方向的映射
  • 在每一对中,及时做一致性校验

用 Swift 解题时,字典的高效查找和 zip() 的组合迭代都非常方便实用,也是写这类题的常见技巧。

http://www.lqws.cn/news/79345.html

相关文章:

  • 【Godot】如何导出 Release 版本的安卓项目
  • Linux服务器安装GUI界面工具
  • Grafana对接Prometheus数据源
  • LlamaIndex的IngestionPipeline添加本地存储(本地文档存储)
  • 【深度学习】实验四 卷积神经网络CNN
  • 记录一次由打扑克牌测试国内各家大模型的经历
  • 2025年5月24日系统架构设计师考试题目回顾
  • 使用 OpenCV (C++) 进行人脸边缘提取
  • 大数据-275 Spark MLib - 基础介绍 机器学习算法 集成学习 随机森林 Bagging Boosting
  • shiro使用详解
  • Java后端优化:对象池模式解决高频ObjectMapper实例化问题及性能影响
  • 链式前向星图解
  • 【C++高级主题】转换与多个基类
  • InlineHook的原理与做法
  • 【TMS570LC4357】之相关驱动开发学习记录1
  • Python-matplotlib库画不规则图
  • 【CVE-2025-4123】Grafana完整分析SSRF和从xss到帐户接管
  • Hadoop学习笔记
  • Docker 与 Harbor 私有仓库:镜像管理与版本控制的完整实践
  • Google机器学习实践指南(TensorFlow六大优化器)
  • 结构化控制语言(SCL) 与梯形图(LAD)相互转换的步骤指南
  • LabVIEW轴角编码器自动检测
  • 【数据分析】第四章 pandas简介(1)
  • Haproxy搭建web群集
  • 【Java Web】6.登入认证
  • YOLOV7改进之融合深浅下采样模块(DSD Module)和轻量特征融合模块(LFI Module)
  • NodeJS全栈WEB3面试题——P5全栈集成与 DApp 构建
  • Codeforces Round 1028 (Div. 2)(A-D)
  • MyBatisPlus--条件构造器及自定义SQL详解
  • Day43 Python打卡训练营