解密火星文:LeetCode 269 题详解与 Swift 实现
文章目录
- 摘要
- 描述
- 题解答案
- 题解代码分析
- 构建图(Graph)
- 拓扑排序(Topological Sort)
- 示例测试及结果
- 时间复杂度
- 空间复杂度
- 实际场景类比
- 总结
摘要
这篇文章我们来聊聊 LeetCode 269 题:火星词典(Alien Dictionary)。虽然题目看起来像是在编造一个星球语言,但本质其实是在考察有向图 + 拓扑排序。我们会用 Swift 语言实现一个完整的解法,并通过实际测试场景来验证代码的有效性。同时,还会结合日常开发中“依赖优先级”和“版本管理”等场景类比,帮你更容易理解题目的应用背景。
描述
在一个火星文明中,他们的字母顺序和我们地球的不一样。现在火星人给你一个词典,里面的词都是按照他们的字母顺序排好的。你的任务就是——猜出这个火星语言的字母顺序是什么。
这个词典是一个字符串数组,比如:
let words = ["wrt", "wrf", "er", "ett", "rftt"]
这些字符串就是按火星字典顺序排好的一组词。
我们要根据这些词之间的字母差异,推导出一个可能的字母顺序,比如:
输出: "wertf"
当然,如果有矛盾(比如顺序冲突或者成环),就说明无解,应该返回空字符串。
题解答案
func alienOrder(_ words: [String]) -> String {var graph = [Character: Set<Character>]()var inDegree = [Character: Int]()// 初始化所有字符for word in words {for char in word {graph[char] = Set<Character>()inDegree[char] = 0}}// 根据相邻词构建有向图for i in 0..<words.count - 1 {let first = words[i]let second = words[i + 1]let minLen = min(first.count, second.count)var foundOrder = falsefor j in 0..<minLen {let a = first[first.index(first.startIndex, offsetBy: j)]let b = second[second.index(second.startIndex, offsetBy: j)]if a != b {if !graph[a]!.contains(b) {graph[a]!.insert(b)inDegree[b]! += 1}foundOrder = truebreak}}// 无效的前缀情况(如 ["abc", "ab"])返回空if !foundOrder && first.count > second.count {return ""}}// 拓扑排序var queue = Array(inDegree.filter { $0.value == 0 }.map { $0.key })var result = ""while !queue.isEmpty {let node = queue.removeFirst()result.append(node)for neighbor in graph[node]! {inDegree[neighbor]! -= 1if inDegree[neighbor]! == 0 {queue.append(neighbor)}}}return result.count == inDegree.count ? result : ""
}
题解代码分析
我们可以把这题拆解成两个步骤:
构建图(Graph)
这就像我们要建立“谁依赖谁”的关系。我们扫描相邻两个词,比如 "wrt"
和 "wrf"
,找到第一个不同的字母 t
和 f
,我们就可以得出一条边 t -> f
,表示 t
在 f
前面。
同时我们也记录每个字母的入度(被多少个其他字母依赖),为下一步做准备。
拓扑排序(Topological Sort)
这一步和“课程表安排”很像。我们找出所有入度为 0 的字符(没有前置依赖的),加入队列,然后不断把它们的“后继节点”的入度减 1。只要哪个节点的入度变成了 0,也加入队列。最终,我们可以排出一个合法的字符顺序。
如果最后排出来的字符个数不等于总字符数,那说明有环(依赖冲突),我们就返回空字符串。
示例测试及结果
print(alienOrder(["wrt", "wrf", "er", "ett", "rftt"]))
// 输出: "wertf"print(alienOrder(["z", "x"]))
// 输出: "zx"print(alienOrder(["z", "x", "z"]))
// 输出: ""(有环)print(alienOrder(["abc", "ab"]))
// 输出: ""(非法前缀)
这些测试用例基本覆盖了以下几种场景:
- 普通字母推理(按字母差异建图)
- 存在环(例如
"z" -> "x"
,又"x" -> "z"
) - 非法词典排序(前缀冲突)
时间复杂度
- 时间复杂度:O©,其中 C 是所有字符出现的总次数。我们需要遍历每个字符、每对单词比较,并做一次拓扑排序。
- 在最坏的情况下,我们每对字符串都可能建立一个边,所以图构建的复杂度是 O©,排序也是 O©。
空间复杂度
- 空间复杂度:O(U + E),U 是不同的字母数,E 是图中边的数量。
- 我们使用字典来存图和入度统计,队列用于拓扑排序中间状态。
实际场景类比
你可以把这题理解成一个“依赖管理系统”:
- 每个字母就像一个模块。
- 字典中的词组就像不同的版本组合。
- 根据不同模块在版本中出现的先后顺序,我们可以倒推出它们的依赖关系。
- 而你最后输出的字符串,就是所有模块的加载顺序。
类似的情况你可能在这些地方遇到:
- 构建工具的依赖排序(比如 SwiftPM / CocoaPods)。
- 操作系统驱动加载顺序。
- 前端资源按依赖顺序加载 JS/CSS。
总结
这道题表面是外星人的语言,其实核心考点是如何从局部规则推导出全局顺序,典型的图论思路。在实际项目中,我们常常会遇到“模块依赖冲突”、“加载顺序错乱”的问题,能写出拓扑排序的思维,也能帮助我们理清复杂系统中的“先来后到”。