串联所有单词的子串

1 题目描述

https://leetcode.cn/problems/substring-with-concatenation-of-all-words/

给定一个字符串 s 和一个字符串数组 words。 words 中所有字符串 长度相同。

s 中的 串联子串 是指一个包含 words 中所有字符串以任意顺序排列连接起来的子串。

例如，如果 words = [“ab”,“cd”,“ef”]， 那么 “abcdef”， “abefcd”，“cdabef”， “cdefab”，“efabcd”， 和 “efcdab” 都是串联子串。 “acdbef” 不是串联子串，因为他不是任何 words 排列的连接。
返回所有串联子串在 s 中的开始索引。你可以以 任意顺序 返回答案。

示例 1：

输入：s = “barfoothefoobarman”, words = [“foo”,“bar”]
输出：[0,9]
解释：因为 words.length == 2 同时 words[i].length == 3，连接的子字符串的长度必须为 6。
子串 “barfoo” 开始位置是 0。它是 words 中以 [“bar”,“foo”] 顺序排列的连接。
子串 “foobar” 开始位置是 9。它是 words 中以 [“foo”,“bar”] 顺序排列的连接。
输出顺序无关紧要。返回 [9,0] 也是可以的。

示例 2：

输入：s = “wordgoodgoodgoodbestword”, words = [“word”,“good”,“best”,“word”]
输出：[]
解释：因为 words.length == 4 并且 words[i].length == 4，所以串联子串的长度必须为 16。
s 中没有子串长度为 16 并且等于 words 的任何顺序排列的连接。
所以我们返回一个空数组。

示例 3：

输入：s = “barfoofoobarthefoobarman”, words = [“bar”,“foo”,“the”]
输出：[6,9,12]
解释：因为 words.length == 3 并且 words[i].length == 3，所以串联子串的长度必须为 9。
子串 “foobarthe” 开始位置是 6。它是 words 中以 [“foo”,“bar”,“the”] 顺序排列的连接。
子串 “barthefoo” 开始位置是 9。它是 words 中以 [“bar”,“the”,“foo”] 顺序排列的连接。
子串 “thefoobar” 开始位置是 12。它是 words 中以 [“the”,“foo”,“bar”] 顺序排列的连接。

2 思路

这个题虽然是Hard，但是我感觉这也是一个靠暴力做的题，没有涉及到太多的技巧。

我的想法是，首先统计words中的每个字符串的数量：

然后以word.length * word[0].length大小的窗口对s进行遍历，统计每个窗口中分割出的元素数量。

如果符合，就添加进返回列表中。

3 详细设计

首先，我们对words里面的每个字符串进行编码：

Map<String, Integer> maps = new HashMap<>();
int pos = 0;
for (String str :
        words) {
    if (!maps.containsKey(str)) {
        maps.put(str, pos++);
    }
}

这样，我们就可以给予words中每个字符串一个唯一的编号，pos记录了一共有多少种word。

接下来我们统计每个word的出现次数：

int[] counts = new int[pos];
for (String str :
        words) {
    counts[maps.get(str)]++;
}

最后，我们设置窗口：

int end = total_len - 1; // 窗口的大小为total_len=word.length * word[0].length()
int start = 0;
while (end < s.length()) {
    int[] temp_table = new int[pos];
    for (int i = 0; i < words.length; i++) {
        // 对窗口内的单词进行分割遍历，
        // s.substring(start + i * single_word_len, start + (i + 1) * single_word_len)
        // 表示s的第(start+1)个窗口中的第(i+1)个单词
        String t = s.substring(start + i * single_word_len, start + (i + 1) * single_word_len);
        if (! maps.containsKey(t)) break; // 如果窗口中出现了不属于words中的字符串，跳出此次循环。
        temp_table[maps.get(t)]++; // 统计第(start+1)个窗口中的第(i+1)个单词的出现次数
    }
    boolean flag = true;
    for (int i = 0; i < pos; i++) {
        if (temp_table[i] != counts[i]) { // 判断相应单词的出现次数与words中是否一致
            flag = false; // 一旦有一个不一致的，设置标志位为false
            break;
        }
    }
    if (flag) reslist.add(start);
    start++;
    end++;
}

整体的时间复杂度应该是接近O(n*2*word.length)

4 代码

class Solution {
    public List<Integer> findSubstring(String s, String[] words) {
        Map<String, Integer> maps = new HashMap<>();
        List<Integer> reslist = new ArrayList<>();

        int total_len = words.length * words[0].length();
        int single_word_len = words[0].length();

        int pos = 0;
        for (String str :
                words) {
            if (!maps.containsKey(str)) {
                maps.put(str, pos++);
            }
        }
        int[] counts = new int[pos];
        for (String str :
                words) {
            counts[maps.get(str)]++;
        }

        int end = total_len - 1;
        int start = 0;
        while (end < s.length()) {
            int[] temp_table = new int[pos];
            for (int i = 0; i < words.length; i++) {
                String t = s.substring(start + i * single_word_len, start + (i + 1) * single_word_len);
                if (! maps.containsKey(t)) break;
                temp_table[maps.get(t)]++;
            }
            boolean flag = true;
            for (int i = 0; i < pos; i++) {
                if (temp_table[i] != counts[i]) {
                    flag = false;
                    break;
                }
            }
            if (flag) reslist.add(start);
            start++;
            end++;
        }
        return reslist;
    }
}