怎样做网站3天赚100万企业宣传视频

给定一种规律 pattern 和一个字符串 s ，判断 s 是否遵循相同的规律。

这里的 遵循 指完全匹配，例如， pattern 里的每个字母和字符串 s 中的每个非空单词之间存在着双向连接的对应规律。

#include <string>
#include <unordered_map>
#include <sstream>using namespace std;class Solution {
public:bool wordPattern(string pattern, string s) {unordered_map<char, string> charToWord;unordered_map<string, char> wordToChar;istringstream ss(s);string word;for (char c : pattern) {if (!(ss >> word)) // 如果没有更多单词了，返回 falsereturn false;// 如果当前字符已经在哈希表中，检查是否对应的单词匹配if (charToWord.find(c) != charToWord.end()) {if (charToWord[c] != word)return false;} else {// 如果当前单词已经在哈希表中，检查是否对应的字符匹配if (wordToChar.find(word) != wordToChar.end()) {if (wordToChar[word] != c)return false;} else {// 如果当前字符和单词都不在哈希表中，进行映射charToWord[c] = word;wordToChar[word] = c;}}}// 检查是否还有多余的单词return !(ss >> word);}
};

遍历 pattern 中的每个字符，同时使用istringstream从字符串 s 中提取单词。在遍历过程中，建立字符到单词的映射和单词到字符的映射，并检查映射是否正确。如果遍历完 pattern 后，仍然存在未匹配的单词，则返回 false。

时间复杂度分析：
这个算法的时间复杂度取决于字符串 s 中单词的数量和 pattern 的长度，设 n 为 s 中单词的数量，m 为 pattern 的长度：

遍历 pattern 的过程中，需要将每个字符映射到对应的单词，这需要 O(m) 的时间复杂度。
使用istringstream从字符串 s 中提取单词的过程中，需要 O(n) 的时间复杂度。
最后检查是否还有多余的单词，需要 O(1) 的时间复杂度。
因此，总的时间复杂度为 O(m + n)。

空间复杂度分析
空间复杂度主要取决于哈希表的存储，哈希表的大小取决于 pattern 中唯一字符的数量和 s 中单词的数量：

哈希表 charToWord 存储了 pattern 中的每个字符到对应的单词，空间复杂度为 O(字符集大小)。
哈希表 wordToChar 存储了 s 中的每个单词到对应的字符，空间复杂度也为 O(单词数量)。
因此，总的空间复杂度为 O(字符集大小 + 单词数量)。