单词搜索 II

# 给定一个二维网格 board 和一个字典中的单词列表 words,找出所有同时在二维网格和字典中出现的单词。

# 单词必须按照字母顺序,通过相邻的单元格内的字母构成,其中“相邻”单元格是那些水平相邻或垂直相邻的单元格。

# 同一个单元格内的字母在一个单词中不允许被重复使用。

# 示例:

# 输入:

# words = ["oath","pea","eat","rain"] and board =

# [

#  ['o','a','a','n'],

#  ['e','t','a','e'],

#  ['i','h','k','r'],

#  ['i','f','l','v']

# ]

# 输出: ["eat","oath"]

# 说明:

# 你可以假设所有输入都由小写字母 a-z 组成。

# 提示:

#    你需要优化回溯算法以通过更大数据量的测试。你能否早点停止回溯?

#    如果当前单词不存在于所有单词的前缀中,则可以立即停止回溯。什么样的数据结构可以有效地执行这样的操作?散列表是否可行?为什么?

#    前缀树如何?如果你想学习如何实现一个基本的前缀树,请先查看这个问题: 实现Trie(前缀树)。

import random

words = ["oath", "pea", "eat", "rain"]

board = [

    ['o', 'a', 'a', 'n'],

    ['e', 't', 'a', 'e'],

    ['i', 'h', 'k', 'r'],

    ['i', 'f', 'l', 'v']

]

# 判断附近有单词能够和之前的组成同一个单词不

def is_same_word(x, y, word, i):

    if i >=len(word):

        return True

    # x,y是当前单词在board的坐标,只要有一个相同就递归进去

    if x + 1 < board.__len__() and y < board.__len__():

        if board[x + 1][ y] == word[i]:

            return  is_same_word(x + 1, y, word, i + 1)

    if y+1<board.__len__() and x<board.__len__():

        if board[x][y + 1] == word[i]:

            return  is_same_word(x, y + 1, word, i + 1)

    if x - 1 < board.__len__() and y < board.__len__():

        if board[x - 1][ y] == word[i]:

            return  is_same_word(x - 1, y, word, i + 1)

    if x < board.__len__() and y - 1 < board.__len__():

        if board[x][ y - 1] == word[i]:

            return  is_same_word(x, y - 1, word, i + 1)

    return False

#满足条件的word的集合

words_ok = []

# 遍历找到words中的每个单词

for word in words:

    # 然后在Board中遍历 与word首字母相同的

    for board_x,board_x_item in enumerate(board):

        for board_y,board_y_item in enumerate(board_x_item):

            if board[board_x][board_y] == word[0]:

                if is_same_word(board_x,board_y,word,1):

                    words_ok.append(word)

print(words_ok)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,681评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,710评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,623评论 0 334
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,202评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,232评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,368评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,795评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,461评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,647评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,476评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,525评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,226评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,785评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,857评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,090评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,647评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,215评论 2 341

推荐阅读更多精彩内容