WordBreakII 的四种解法,先解锁DP+reconstruct 解法

🧩 题目描述

给定一个字符串 s 和一个字符串字典 wordDict，在保证字符串可以被分割成若干个字典中的单词的前提下，返回所有可能的分割方式。

示例： 输入: s = "catsanddog" wordDict = $"cat", "cats", "and", "sand", "dog"$

输出: $"cats and dog", "cat sand dog"$

解题思路

两步策略：

动态规划（DP）+ 记录路径（prev） ：判断某一位置是否可以被有效拆分，并记录所有有效拆分路径。
深度优先搜索（DFS）回溯 ：通过 DFS 从 prev 中恢复所有路径，构造出最终结果。

🔢 算法实现步骤

1. 动态规划数组构建

定义：
- dp[i]：表示前 i 个字符能否被字典中的单词有效切分。
- prev[j][i]：若 s[j..i-1] 是字典中的单词，并且 dp[j] 为 true，则 prev[j][i] = true。

转移公式：

ini 复制代码

for (int i = 1; i <= n; i++) {
    for (int j = 0; j < i; j++) {
        if (dp[j] && wordDict.contains(s.substring(j, i))) {
            dp[i] = true;
            prev[j][i] = true;
        }
    }
}

2. 回溯 DFS 构建句子

从末尾位置 n 开始向前回溯：
- 若 prev[i][cur] == true，则 s[i..cur] 是有效单词。
- 将该单词加入路径 path，递归向前继续查找。
- 到达起点 cur == 0 时，路径完整，反转 path 拼接成一个合法句子。

✅ Java 实现代码

ini 复制代码

public class WordBreakII {

    public List<String> wordBreakII(String s, List<String> wordDict) {
        List<String> result = new ArrayList<>();
        if (s == null || s.length() == 0 || wordDict == null || wordDict.isEmpty()) {
            return result;
        }

        Set<String> set = new HashSet<>(wordDict);
        int n = s.length();
        boolean[] dp = new boolean[n + 1];
        boolean[][] prev = new boolean[n][n + 1];
        dp[0] = true;

        // DP + 记录路径
        for (int i = 1; i <= n; i++) {
            for (int j = 0; j < i; j++) {
                if (dp[j] && set.contains(s.substring(j, i))) {
                    dp[i] = true;
                    prev[j][i] = true;
                }
            }
        }

        // 回溯构建路径
        List<String> path = new ArrayList<>();
        dfs(s, n, prev, path, result);
        return result;
    }

    private void dfs(String s, int cur, boolean[][] prev, List<String> path, List<String> result) {
        if (cur == 0) {
            StringBuilder sb = new StringBuilder();
            for (int i = path.size() - 1; i >= 0; i--) {
                sb.append(path.get(i)).append(" ");
            }
            sb.deleteCharAt(sb.length() - 1);
            result.add(sb.toString());
            return;
        }

        for (int i = cur - 1; i >= 0; i--) {
            if (prev[i][cur]) {
                path.add(s.substring(i, cur));
                dfs(s, i, prev, path, result);
                path.remove(path.size() - 1);
            }
        }
    }
}

📌 时间与空间复杂度分析

时间复杂度： O(n^2)
- DP 过程：两重循环扫描子串。
- DFS：回溯树的最大分支与子问题数有关，最坏情况指数级。
空间复杂度： O(n^2)
- dp[]、prev[][] 占用主要空间。

✨ 总结

将 可行性判断 与 路径记录 拆分，使代码结构清晰。
使用 二维布尔数组 prev\[\]\[\] 来保存每一个可行的切分点，避免重复计算。
最后用 DFS 回溯路径，还原所有有效的句子。