不够优秀，发量尚多，千锤百炼，方可成佛。
算法的重要性不言而喻，无论你是研究者，还是最近比较火热的IT 打工人，都理应需要一定的算法能力，这也是面试的必备环节，算法功底的展示往往能让面试官眼前一亮，这也是在大多数竞争者中脱颖而出的重要影响因素。
然而往往大多数人比较注重自身的实操能力，着重于对功能的实现，却忽视了对算法能力的提高。有的时候采用不同的算法来解决同一个问题，运行效率相差还是挺大的，毕竟我们最终还是需要站在客户的角度思考问题嘛，能给用户带来更加极致的体验当然再好不过了。
万法皆空，因果不空。Taoye之前也不怎么情愿花费太多的时间放在算法上，算法功底也是相当的薄弱。这不，进入到了一个新的学习阶段，面对导师的各种“严刑拷打”和与身边人的对比，才开始意识到自己“菜”的事实。
这次的题目是LeeTCode 热题 HOT 100的第六题，难度属于困难，主要考查的是正则匹配问题。
感觉这道题还是有点东西的，也是花费了不少时间才搞懂。
我们都知道正则表达式主要用来进行字符匹配的，在爬虫中，我们会在向服务器发出一个请求并得到相应结果之后，通过特定的方式在响应结果中提取我们所需要的目标数据，而其中一种方式就可以通过正则表表达式来进行解析。
这道题的难度还是有点的，让我更加体会到了算法“孰能生巧”这一特性，这就像刷数学题一样，题目见过就有思路，没见过根本完全无法动手。这道题也是一样，主要可以通过动态规划算法来进行求解，当然也有其他可供用的算法，本文主要使用的是动态规划算法。
下面，我们就来看看这道题吧。
题目：正则表达式匹配给你一个字符串 s 和一个字符规律 p，请你来实现一个支持 '.' 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那一个元素
所谓匹配，是要涵盖 整个 字符串 s的，而不是部分字符串。
来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/regular-expression-matching
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：因为 '' 代表可以匹配零个或多个前面的那一个元素, 在这里前面的元素就是 'a'。因此，字符串 "aa" 可被视为 'a' 重复了一次。
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 = "cab"
输出：true
解释：因为 '*' 表示零个或多个，这里 'c' 为 0 个, 'a' 被重复一次。因此可以匹配字符串 "aab"。
示例5
输入：s = "mississippi" p = "misisp*."
输出：false
前面也提到了，爬虫中会经常会使用到正则表达式，既然如此，肯定是有特定的模块可供调用的，而我们可以通过re模块来实现这一功能：
class Solution(object):def isMatch(self, s, p):
return True if re.match(p+'$',s) else False
需求虽已实现，但显然我们需要手动来实现这一功能，而非调用第三方模块。
在正式通过动态规划解决该题之前，我们有必要先了解下动态规划，其能解决哪些问题。
计数问题，比如在一个矩阵当中，有多少种方式能从左上角走到右下角。（每次行走方向只能往下或往右）
求最值问题，比如有三种硬币，面值分别是2元、3元、7元，则27元最少能用多少枚硬币组成
存在性问题，比如说我们的这道题，是否能够在目标字符串中匹配成功
当然了，我们肯定是不能一概而论的。具体问题，具体分析，还是要根据实际情况来判断目标问题是否能够通过动态规划来解决。
要在问题中使用动态规划，我们一般需要四个步骤：
确定状态（最后一步、化为子问题）。解动态规划时需要定义一个数组，而确定状态就是要明白数组的每个元素dp[i]或者dp[i][j]代表什么意思（读到这里，可能会有点糊涂，没事，下面会有示例来具体解释）
转移方程，就是通过上一步骤当中的子问题来得到目标问题的子问题