题目

给定一个单词列表，我们将这个列表编码成一个索引字符串 S 与一个索引列表 A。

例如，如果这个列表是 ["time", "me", "bell"]，我们就可以将其表示为 S = "time#bell#" 和 indexes = [0, 2, 5]。

对于每一个索引，我们可以通过从字符串 S 中索引的位置开始读取字符串，直到 "#" 结束，来恢复我们之前的单词列表。

那么成功对给定单词列表进行编码的最小字符串长度是多少呢？

示例：

输入: words = ["time", "me", "bell"]
输出: 10
说明: S = "time#bell#" ， indexes = [0, 2, 5] 。

提示：

1 <= words.length <= 2000
1 <= words[i].length <= 7
每个单词都是小写字母 。

思路

从第二个单词开始，与前一个循环倒着比较。记录相同的计算。
笨比解法，最多通过25/30个样例。基本不可能改好了。心累

还是看看官方代码吧。

代码

class Solution:
    def minimumLengthEncoding(self, words: List[str]) -> int:
        good = set(words)
        for word in words:
            for k in range(1, len(word)):
                good.discard(word[k:])
        return sum(len(word) + 1 for word in good)
链接：https://leetcode-cn.com/problems/short-encoding-of-words/solution/dan-ci-de-ya-suo-bian-ma-by-leetcode-solution/
来源：力扣（LeetCode）

真是又触碰到知识盲区了。

set()方法

set() 函数创建一个无序不重复元素集，可进行关系测试，删除重复数据，还可以计算交集、差集、并集等。

例：

a=‘handsome‘
print(set(a))

结果：
{‘o‘, ‘n‘, ‘h‘, ‘s‘, ‘e‘, ‘m‘, ‘a‘, ‘d‘}
这个元素集，可以使用，update，remove，add等方法

a=‘handsome‘
b=set(a)
print(b)
b.add(‘me‘)
b.update(‘are‘)
print(b)
b.update(‘are‘)
print(b)
b.remove(‘are‘)
print(b)

结果：

{‘o‘, ‘s‘, ‘e‘, ‘m‘, ‘n‘, ‘a‘, ‘h‘, ‘d‘}
{‘o‘, ‘s‘, ‘e‘, ‘m‘, ‘n‘, ‘r‘, ‘me‘, ‘a‘, ‘h‘, ‘d‘}
{‘o‘, ‘s‘, ‘e‘, ‘m‘, ‘n‘, ‘r‘, ‘me‘, ‘a‘, ‘h‘, ‘d‘}

set() discard与remove

discard() 方法用于移除指定的集合元素。
该方法不同于 remove() 方法，因为 remove() 方法在移除一个不存在的元素时会发生错误，而 discard() 方法不会。

字典树

思路

如方法一所说，目标就是保留所有不是其他单词后缀的单词。
算法
去找到是否不同的单词具有相同的后缀，我们可以将其反序之后插入字典树中。例如，我们有 "time" 和 "me"，可以将 "emit" 和 "em" 插入字典树中。

然后，字典树的叶子节点（没有孩子的节点）就代表没有后缀的单词，统计叶子节点代表的单词长度加一的和即为我们要的答案。
链接：https://leetcode-cn.com/problems/short-encoding-of-words/solution/dan-ci-de-ya-suo-bian-ma-by-leetcode-solution/
来源：力扣（LeetCode）

代码

class Solution:
    def minimumLengthEncoding(self, words: List[str]) -> int:
        words = list(set(words)) #remove duplicates
        #Trie is a nested dictionary with nodes created
        # when fetched entries are missing
        Trie = lambda: collections.defaultdict(Trie)
        trie = Trie()

        #reduce(..., S, trie) is trie[S[0]][S[1]][S[2]][...][S[S.length - 1]]
        nodes = [reduce(dict.__getitem__, word[::-1], trie)
                 for word in words]

        #Add word to the answer if it‘s node has no neighbors
        return sum(len(word) + 1
                   for i, word in enumerate(words)
                   if len(nodes[i]) == 0)