10. 正则表达式匹配
给定一个字符串 (s) 和一个字符模式 (p)。实现支持 '.' 和 '*' 的正则表达式匹配。
'.' 匹配任意单个字符。
'*' 匹配零个或多个前面的元素。
匹配应该覆盖整个字符串 (s) ，而不是部分字符串。
说明:
s可能为空，且只包含从a-z的小写字母。p可能为空，且只包含从a-z的小写字母，以及字符.和*。
示例 1:
输入:
s = "aa"
p = "a"
输出: false
解释: "a" 无法匹配 "aa" 整个字符串。
示例 2:
输入:
s = "aa"
p = "a*"
输出: true
解释: '*' 代表可匹配零个或多个前面的元素, 即可以匹配 'a' 。因此, 重复 'a' 一次, 字符串可变为 "aa"。
示例 3:
输入:
s = "ab"
p = ".*"
输出: true
解释: ".*" 表示可匹配零个或多个('*')任意字符('.')。
示例 4:
输入:
s = "aab"
p = "c*a*b"
输出: true
解释: 'c' 可以不被重复, 'a' 可以被重复一次。因此可以匹配字符串 "aab"。
示例 5:
输入:
s = "mississippi"
p = "mis*is*p*."
输出: false
解题思路：正则表达式。直接使用python的re模块。就可以完成。但是这种取巧方式，显然是锻炼不到什么。
（return s in re.findall(p,s)）
本质上是动态规划(DP),每一步骤之间存在相关性时刻使用的一种决策方法。
想了挺多，只是单纯的判断觉得可能性太多，容易混乱。感觉实现起来还是有些困难。参考了别人的方法。虚心学习。
dp[i][j] = true 表示s【:i-1】和p【:j-1】可以实现正则匹配。（因为dp是从头到尾匹配比对的）
这个时候就要考虑i和j的情况。
分别是
- i = 0 ，j = 0 T
- i = 0 ，j = 1 F
- i >= 1 ，j = 0 F
- i = 0 ，j >= 2
- i >= 1 ，j >= 1
前三种都好理解。重点是后两种。p【：j-3】可以与空字符串匹配。且p【：j-1】= “*” 表示0次 p【：j-2】，s与p可配。
第五种需要判断
class Solution:
def isMatch(self, s: str, p: str) -> bool:
dp = [[False] * (len(p)+1) for _ in range(len(s) + 1)]#初始化所有情况为False
dp[0][0] = True
#2,3种可以直接被省略。
for j in range(2, len(p) + 1):
dp[0][j] = dp[0][j-2] and p[j-1] == '*'
for i in range(1, len(s) + 1):
for j in range(1, len(p) + 1):
if p[j-1] != '*':
dp[i][j] = dp[i-1][j-1] and (p[j-1] == '.' or p[j-1] == s[i-1])
else:
dp[i][j] = dp[i][j-2] or (dp[i-1][j] and\
(p[j-2] == '.' or p[j-2] == s[i-1]))
return dp[-1][-1]