做网站怎么推广收益大本地网站有什么可以做

Problem: 966. 元音拼写检查器

整体思路

这段代码旨在实现一个具有特定纠错规则的拼写检查器。它接收一个正确的单词列表 wordlist 和一个待检查的查询列表 queries，然后根据三条优先级递减的规则来匹配或纠正每个查询。

算法的核心策略是 预处理 + 快速查找。它首先通过一次遍历 wordlist 来构建几个高效的查找数据结构（哈希集合和哈希映射），然后在处理 queries 时，利用这些预处理好的数据结构进行快速匹配。

1. 匹配规则（按优先级）：

   1. 完全匹配：查询词与 wordlist 中的某个词完全一样（包括大小写）。
   2. 忽略大小写匹配：查询词在忽略大小写后，与 wordlist 中的某个词（同样忽略大小写）匹配。
   3. 元音错误匹配：查询词在忽略大小写，并将所有元音字母替换为通用占位符（如 *）后，与 wordlist 中某个词经过同样处理后的模式相匹配。

2. 预处理阶段（构建查找表）：

   • Set<String> origin: 用于规则1。这是一个哈希集合，存储了 wordlist 中所有原始单词，可以提供 O(1) 的平均时间复杂度的精确查找。
   • Map<String, String> lowerToOrigin: 用于规则2。这个哈希映射的键是 wordlist 中单词的小写形式，值是对应的原始单词。这使得忽略大小写的匹配变得非常快。
   • Map<String, String> vowelToOrigin: 用于规则3。这个哈希映射的键是一个“元音模糊”的模式（例如，“Kitten” -> “kttn”），值是对应的原始单词。这是通过一个辅助函数 replaceVowels 来生成模式的。
   • 重要细节（处理首次出现）：代码在填充 lowerToOrigin 和 vowelToOrigin 时，从后向前遍历 wordlist。这是为了处理一个隐含的规则：如果多个 wordlist 中的单词在忽略大小写或元音后匹配同一个查询，应返回在 wordlist 中首次出现的那个。通过从后向前 put，如果遇到冲突的键，后面的值会覆盖前面的，最终保留在map中的就是 wordlist 中最靠前的那个单词。

3. 查询处理阶段：

   • 算法遍历每一个 query。
   • 它严格按照上述三条规则的优先级进行检查：
     • 首先，在 origin 集合中查找，如果找到，说明是完全匹配，当前查询词正确，跳过。
     • 如果上一步失败，将 query 转为小写，在 lowerToOrigin 映射中查找，如果找到，就用映射中的原始单词替换当前查询词。
     • 如果上一步仍失败，将小写的 query 转换为“元音模糊”模式，在 vowelToOrigin 映射中查找。如果找到，就用映射中的原始单词替换；如果找不到，说明没有任何匹配，根据规则替换为空字符串 ""。

完整代码

import java.util.*;class Solution {/*** 根据特定规则对查询词进行拼写检查和纠正。* @param wordlist 正确的单词列表* @param queries  待检查的查询词列表* @return 纠正后的查询词列表*/public String[] spellchecker(String[] wordlist, String[] queries) {int n = wordlist.length;// 查找表 1: 用于完全匹配（区分大小写）Set<String> origin = new HashSet<>(Arrays.asList(wordlist));// 查找表 2: 用于忽略大小写匹配。Key: 小写词, Value: 原始词Map<String, String> lowerToOrigin = new HashMap<>(n);// 查找表 3: 用于元音错误匹配。Key: 元音模糊模式, Value: 原始词Map<String, String> vowelToOrigin = new HashMap<>(n);// 预处理阶段：从后向前遍历 wordlist 以构建查找表// 从后向前是为了确保当有多个词匹配同一模式时，保留在 wordlist 中首次出现的那个for (int i = n - 1; i >= 0; i--) {String s = wordlist[i];String lower = s.toLowerCase();// 填充忽略大小写的查找表lowerToOrigin.put(lower, s);// 填充元音模糊的查找表vowelToOrigin.put(replaceVowels(lower), s);}// 查询处理阶段for (int i = 0; i < queries.length; i++) {String s = queries[i];// 规则 1: 完全匹配if (origin.contains(s)) {// 匹配成功，无需修改，继续下一个查询continue;}String lower = s.toLowerCase();// 规则 2: 忽略大小写匹配if (lowerToOrigin.containsKey(lower)) {queries[i] = lowerToOrigin.get(lower);} else {// 规则 3: 元音错误匹配// 如果前两条规则都失败，则尝试此规则// getOrDefault 可以在找不到匹配时优雅地返回默认值 ""queries[i] = vowelToOrigin.getOrDefault(replaceVowels(lower), "");}}return queries;}/*** 辅助函数：将字符串中的所有元音替换为 '*'，生成一个元音模糊的模式。* @param lower 输入的小写字符串* @return 元音模糊模式字符串*/private String replaceVowels(String lower) {char[] s = lower.toCharArray();for (int i = 0; i < s.length; i++) {char c = s[i];if (c == 'a' || c == 'e' || c == 'i' || c == 'o' || c == 'u') {s[i] = '*';}}return new String(s);}
}

时空复杂度

• 设 W 为 wordlist 的长度。
• 设 Q 为 queries 的长度。
• 设 L 为单词的最大长度。

时间复杂度：O(WL + QL)

1. 预处理阶段：

   • 遍历 wordlist W 次。
   • 在循环内部，toLowerCase() 和 replaceVowels() 都需要遍历单词，时间复杂度为 O(L)。
   • HashSet.add() 和 HashMap.put() 操作，对于字符串键，平均时间复杂度也是 O(L)（因为需要计算哈希值和进行比较）。
   • 因此，预处理阶段的总时间复杂度为 W * O(L) = O(W*L)。

2. 查询处理阶段：

   • 遍历 queries Q 次。
   • 在循环内部，contains(), get(), toLowerCase(), replaceVowels() 等操作的平均时间复杂度都是 O(L)。
   • 因此，查询阶段的总时间复杂度为 Q * O(L) = O(Q*L)。

综合分析：
总的时间复杂度是两个阶段之和，即 O(WL + QL)。

空间复杂度：O(W*L)

1. 主要存储开销：算法创建了三个数据结构来存储预处理信息。
   • origin 集合：存储了 W 个单词，总空间占用与所有单词的总长度成正比，即 O(W*L)。
   • lowerToOrigin 映射：存储了 W 个键值对，总空间占用也是 O(W*L)。
   • vowelToOrigin 映射：存储了 W 个键值对，总空间占用同样是 O(W*L)。
2. 辅助空间：在 replaceVowels 中创建的临时 char[] 数组大小为 O(L)，但这不影响整体复杂度。

综合分析：
算法所需的额外空间主要由这三个查找表决定。因此，总的空间复杂度为 O(W*L)。

参考灵神