Python 刷题笔记：随缘题目

今天时间不太多，记一道遇到的面试题：

题目

给定一个 m x n 的字符矩阵和字符串 s，在矩阵中每次只能横向、纵向移动一步，不能超出矩阵范围，问：是否可以由矩阵中拼接出 s？

题目分析

对深度优先搜索掌握并不到位，所以第一时间没有形成思路。直到后来确定是应用该算法后，才刚刚把答案完成。大致思路：用嵌套的列表来表示矩阵，首先遍历矩阵中的点，找到可以匹配字符串起点的点。

匹配到起点后，由该起点移动位置看能否完整匹配字符串 s，若可以、返回 True。将这个过程定义成独立的函数，在每次匹配到起点后调用，若全部起点都不能达到目标，最终返回 False。

代码实现

# 由矩阵中点向上下左右移动检索的函数
def search(tup,matrix,s):
	# 如果字符串为空，单独处理
    if not s:
        return (-2,-2)
    # 要匹配的字符 c 为字符串首字符
    c = s[0]
    # 获取当前被检测点座标
    i,j = tup
    # 获取座标范围
    x = len(matrix)
    y = len(matrix[0])
    # 在边界范围内上下左右移动一格进行匹配检测，若成功，返回移动后坐标
    if j>0:
        if matrix[i][j-1]==c:
            return (i,j-1)
    if j<y-1:
        if matrix[i][j+1]==c:
            return (i,j+1)
    if i>0:
        if matrix[i-1][j]==c:
            return (i-1,j)
    if i<x-1:
        if matrix[i+1][j]==c:
            return (i+1,j)
    # 若均不匹配成功，返回 (-1,-1)
    return (-1,-1)

# 定义判断函数，输入矩阵 matrix 字符串 s    
def judge(matrix,s):
	# 判断匹配是否成功的变量
    match = False
    # 行座标范围
    row_l = len(matrix[0])
    # 列座标范围
    col_l = len(matrix)
    # 在行、列范围内遍历点 (p,q)
    for p in range(col_l):
        for q in range(row_l):
        	# 如果(p,q)可以匹配字符串起点
            if matrix[p][q]==s[0]:
            	# 复制下座标
                a,b = p,q
                # 先将match赋值 True
                match = True
                # 如果被匹配字符串非空
                while s:
                	# 字符串去掉首位重新赋值
                    s = s[1:]
                    # 调用检索函数，结果重新赋值给 a,b
                    a,b = search((a,b),matrix,s)
                    # 若函数返回 (-1,-1),匹配失败，跳出 while循环
                    if a==-1:
                        match = False
                        break
                # 若while循环完整结束，则匹配成功，直接返回 True    
                if match:
                    return True
    # 若中途未成功，返回 False
    return False

matrix = [["a","b","c"],["k","f","g"],["e","a","k"],["p","m","n"]]
s = "ekabd"
s2 = "kfg"
print(judge(matrix,s))
print(judge(matrix,s2))

结论

第一次遇到深度优先搜索真题，有些懵，算是挺失败的经历，上面的代码也只是简单通过了能想到的测试例子，还是存在漏洞的，之后如果刷到更完善的题目再进行优化。

不过感觉也还不错，之前的一系列练习也有效果，在有了深度优先搜索概念后也能独立完成了，就是时间花费的有些夸张，继续努力吧！