摘要
剑指 Offer 48. 最长不含重复字符的子字符串
一、滑动窗口解析
这样一来,我们就可以使用「滑动窗口」来解决这个问题了:
- 我们使用两个指针表示字符串中的某个子串(或窗口)的左右边界,其中左指针代表着上文中枚举子串的起始位置,而右指针即为上文中的 rk;
- 在每一步的操作中,我们会将左指针向右移动一格,表示 我们开始枚举下一个字符作为起始位置,然后我们可以不断地向右移动右指针,但需要保证这两个指针对应的子串中没有重复的字符。在移动结束后,这个子串就对应着 以左指针开始的,不包含重复字符的最长子串。我们记录下这个子串的长度;
- 在枚举结束后,我们找到的最长的子串的长度即为答案。
判断重复字符:在上面的流程中,我们还需要使用一种数据结构来判断 是否有重复的字符,常用的数据结构为哈希集合。在左指针向右移动的时候,我们从哈希集合中移除一个字符,在右指针向右移动的时候,我们往哈希集合中添加一个字符。
package sliding;
import org.junit.Test;
import java.util.HashSet;
import java.util.Set;
/**
* @Classname JZ48最长不含重复字符的子字符串
* @Description TODO
* @Date 2023/2/18 14:15
* @Created by xjl
*/
public class JZ48最长不含重复字符的子字符串 {
public int lengthOfLongestSubstring(String s) {
// 哈希集合,记录每个字符是否出现过
Set<Character> set = new HashSet<Character>();
int n = s.length();
// 右指针,初始值为 -1,相当于我们在字符串的左边界的左侧,还没有开始移动
int rk = -1, ans = 0;
// 在这个就是左指针 从0到n
for (int left = 0; left < n; ++left) {
if (left != 0) {
// 左指针向右移动一格,移除一个字符
set.remove(s.charAt(left - 1));
}
while (rk + 1 < n && !set.contains(s.charAt(rk + 1))) {
// 不断地移动右指针
set.add(s.charAt(rk + 1));
++rk;
}
// 第 i 到 rk 个字符是一个极长的无重复字符子串
ans = Math.max(ans, rk - left + 1);
}
return ans;
}
@Test
public void test(){
int abcabcbb = lengthOfLongestSubstring("abcabcbb");
}
}
复杂度分析
- 时间复杂度:O(N),其中N是字符串的长度。左指针和右指针分别会遍历整个字符串一次。
- 空间复杂度:O(∣Σ∣),其中Σ表示字符集(即字符串中可以出现的字符),∣Σ∣表示字符集的大小。
二、双指针 + 哈希表
- 哈希表dic统计:指针 j遍历字符s ,哈希表统计字符s[j] 最后一次出现的索引 。
- 更新左指针i: 根据上轮左指针i和 dic[s[j]],每轮更新左边界i,保证区间 [i+1,j] 内无重复字符且最大。i=max(dic[s[j]],i)
- 新结果 res : 取上轮 res和本轮双指针区间 [i+1,j]的宽度(即 j−i)中的最大值。res=max(res,j-i);
public int lengthOfLongestSubstring2(String s) {
Map<Character, Integer> dic = new HashMap<>();
int left = -1, res = 0;
for (int right = 0; right < s.length(); right++) {
if (dic.containsKey(s.charAt(right))) {
left = Math.max(left, dic.get(s.charAt(right))); // 更新左指针 i
}
dic.put(s.charAt(right), right); // 哈希表记录
res = Math.max(res, right - left); // 更新结果
}
return res;
}
复杂度分析:
- 时间复杂度O(N): 其中N为字符串长度,动态规划需遍历计算dp列表。
- 空间复杂度O(1) : 字符的 ASCII 码范围为 0~127 ,哈希表 dic 最多使用 O(128)=O(1)大小的额外空间。
博文参考
《leetcode》