最近刷了很多算法题，这些解题过程也拓展了自己的思路，是个适合记录的素材。所以决定在继技术知识点详解的【一文系列】之后，开启新坑——【力扣算法系列】，来记录力扣刷题过程。
分享题目不确定，目前打算只分享我认为值得分享的题目，或者你们有什么想要我分享的题目，我愿意去研究透彻之后出分析详解！分享的过程也是自我学习的过程！
那么今天，我们分享第一道题目：无重复字符的最长子串
题目
无重复字符的最长子串
给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串 的长度。
来源：https://leetcode.cn/problems/longest-substring-without-repeating-characters/description/
示例 1:
输入: s = “abcabcbb”
输出: 3
解释: 因为无重复字符的最长子串是 “abc”，所以其长度为 3。
示例 2:输入: s = “bbbbb”
输出: 1
解释: 因为无重复字符的最长子串是 “b”，所以其长度为 1。
示例 3:输入: s = “pwwkew”
输出: 3
解释: 因为无重复字符的最长子串是 “wke”，所以其长度为 3。
请注意，你的答案必须是 子串 的长度，“pwke” 是一个子序列，不是子串。提示：
0 <= s.length <= 5 * 104
s 由英文字母、数字、符号和空格组成
解题
暴力法
这是最容易想到的方法，当然也是最废的方法。不过我们在解题的时候，可以先尝试暴力解法，然后再一步步着手优化，或想出更好的方法，这也是一种解题思路。在这道题目中，暴力解法就是逐个检查所有的子字符串，看它是否不含有重复的字符。
public static int lengthOfLongestSubstring(String s) {
char[] chars = s.toCharArray();
Map<Character, Integer> subChars = new HashMap<Character, Integer>(chars.length);
int maxSize = 0;
int repeatIndex = -1;
int i = 0;
while (i < chars.length) {
for (int j = i; j < chars.length; j++) {
char c = chars[j];
if (subChars.containsKey(c)) {
repeatIndex = subChars.get(c);
break;
}
subChars.put(c, j);
}
if (repeatIndex != -1) {
// 找到重复元素，从第一个重复元素的下一个下标开始遍历
i = repeatIndex + 1;
repeatIndex = -1;
} else {
i++;
}
maxSize = Math.max(maxSize, subChars.size());
subChars.clear();
float middleSize = chars.length / 2f;
if (maxSize >= middleSize && i >= middleSize) {
// 最大子串长度超过一半了，可以不用继续遍历了
break;
}
}
return maxSize;
}
滑动窗口
滑动窗口是字符串类问题的最常用的方法。在这道题目中，我们按区间进行字符串搜索，遇到重复字符，就从左区间开始删除，直到删除掉重复字符为止。
在这道题目中，滑动窗口其实相当于就是一个队列，比如例题中的 abcabcbb：
-
进入这个队列（窗口）为 abc，暂时满足题目要求
-
当再进入 a，队列变成了 abca
-
这时候不满足要求，所以，我们要移动这个队列，把队列的左边的元素移出就行了，一直到满足题目要求。
一直维持这样的队列，找出队列出现最长的长度时候，我们就求得最终答案。
public int lengthOfLongestSubstring(String s) {
int len = s.length();
// 最大长度
int maxLength = 0;
// 左指针
int left = 0;
// 右指针
int right = 0;
// 子串队列
Set<Character> subChars = new HashSet<>();
while (left < len && right < len) {
if (subChars.contains(s.charAt(right))) {
// 子串重复，字符串从队首开始移除
subChars.remove(s.charAt(left));
// 移动左指针
left++;
} else {
// 子串不重复，字符入队尾
subChars.add(s.charAt(right));
right++;
// 记录最长不重复长度
maxLength = Math.max(maxLength, right - left);
}
}
return maxLength;
}
优化的滑动窗口
在滑动窗口时，上述的方法最多需要执行 2n 个步骤。事实上，它可以被进一步优化为仅需要 n 个步骤。我们可以定义字符到索引的映射，而不是使用集合来判断一个字符是否存在。 当我们找到重复的字符时，我们可以立即跳过该窗口。
public static int lengthOfLongestSubstring(String s) {
int len = s.length();
// 最大长度
int maxLength = 0;
// 使用Map结构缓存字符和索引的映射
Map<Character, Integer> map = new HashMap<>();
// 滑动窗口
for (int right = 0, left = 0; right < len; right++) {
char c = s.charAt(right);
if (map.containsKey(c)) {
// 找到重复子串，左指针跳到最后的重复位置
left = Math.max(map.get(c), left);
}
int curLength = right - left + 1;
// 取最大长度
maxLength = Math.max(maxLength, curLength);
// 缓存字符和下标映射
map.put(c, right + 1);
}
return maxLength;
}
优化的滑动窗口2
针对上述优化方式，我们还可以进一步优化，不过这个方法相对有些投机取巧，各位看看就行
public static int lengthOfLongestSubstring(String s) {
// Java（假设字符集为 ASCII 128）
// 以前我们没有对字符串 s 所使用的字符集进行假设。
// 当我们知道该字符集比较小的时侯，我们可以用一个整数数组作为直接访问表来替换 Map。
int len = s.length();
// 最大长度
int maxLength = 0;
// 使用128位数组缓存下标
int[] index = new int[128];
// 滑动窗口
for (int right = 0, left = 0; right < len; right++) {
char c = s.charAt(right);
// 取index对应字符的缓存下标
// 如果没有，则是默认值0
// 若一旦有非零值，则代表有相同字符缓存到index数组中，则下标可跳到最后重复为止，再计算出不重复长度
left = Math.max(index[c], left);
int curLength = right - left + 1;
// 取最大长度
maxLength = Math.max(maxLength, curLength);
// 缓存字符和下标映射
index[c] = right + 1;
}
return maxLength;
}
这道题的解法中，暴力解法一定是不可取的，其实能写出滑动窗口解法就差不多了，优化方式都是加分项了。当然了，解题方法一定不止于此，大家可以继续深究！
更多技术干货，欢迎关注我！
