【LeetCode Hot100】无重复字符的最长子串 ，滑动窗口+哈希表，Java实现！图解+代码，小白也能秒懂！

💻 [LeetCode Hot100] 无重复字符的最长子串 ，滑动窗口+哈希表，Java实现！图解+代码，小白也能秒懂！

✏️本文对应题目链接：无重复字符的最长子串

---

📌 题目描述

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。

示例：

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。

---

🧠 解题思路（图文分解）

❗ 核心难点

如何高效找到不含重复字符的最长子串？

---

方法一：滑动窗口 + 哈希表（黄金思路）✨

关键步骤：

1. 初始化：
   • 使用哈希表记录字符最后一次出现的位置
   • 定义滑动窗口的左右边界 left 和 right
2. 遍历字符串：
   • 如果当前字符已存在于哈希表，并且其位置在 left 右侧，则更新 left 到重复字符的下一个位置
   • 更新当前字符在哈希表中的位置
   • 计算当前窗口长度，并更新最大值
3. 返回结果：最长子串的长度

---

图解滑动窗口

输入字符串：

s = "abcabcbb"

步骤1：初始化

left = 0, right = 0
maxLen = 0
哈希表：{}

步骤2：遍历字符串

right=0: 字符'a' → 哈希表={'a':0} → 窗口长度=1 → maxLen=1
right=1: 字符'b' → 哈希表={'a':0, 'b':1} → 窗口长度=2 → maxLen=2
right=2: 字符'c' → 哈希表={'a':0, 'b':1, 'c':2} → 窗口长度=3 → maxLen=3
right=3: 字符'a' → 'a'已存在，且位置0 >= left → 更新left=1 → 哈希表={'a':3, 'b':1, 'c':2} → 窗口长度=3 → maxLen=3
right=4: 字符'b' → 'b'已存在，且位置1 >= left → 更新left=2 → 哈希表={'a':3, 'b':4, 'c':2} → 窗口长度=3 → maxLen=3
right=5: 字符'c' → 'c'已存在，且位置2 >= left → 更新left=3 → 哈希表={'a':3, 'b':4, 'c':5} → 窗口长度=3 → maxLen=3
right=6: 字符'b' → 'b'已存在，且位置4 >= left → 更新left=5 → 哈希表={'a':3, 'b':6, 'c':5} → 窗口长度=2 → maxLen=3
right=7: 字符'b' → 'b'已存在，且位置6 >= left → 更新left=7 → 哈希表={'a':3, 'b':7, 'c':5} → 窗口长度=1 → maxLen=3

最终结果：

maxLen = 3

---

🚀 代码实现

class Solution {
    public int lengthOfLongestSubstring(String s) {
        if (s == null || s.length() == 0) {
            return 0;
        }

        // 哈希表记录字符最后一次出现的位置
        Map<Character, Integer> map = new HashMap<>();
        int maxLen = 0; // 最长子串的长度
        int left = 0; // 滑动窗口的左边界

        // 遍历字符串
        for (int right = 0; right < s.length(); right++) {
            char currentChar = s.charAt(right);
            // 如果字符已存在，并且位置在left右侧，则更新left
            if (map.containsKey(currentChar) {
                left = Math.max(left, map.get(currentChar) + 1);
            }
            // 更新字符的位置
            map.put(currentChar, right);
            // 计算当前窗口长度，并更新最大值
            maxLen = Math.max(maxLen, right - left + 1);
        }

        return maxLen;
    }
}

---

💡 复杂度分析

• 时间复杂度：O(n) → 只需遍历字符串一次
• 空间复杂度：O(min(m, n)) → 哈希表存储字符，m 为字符集大小

---

方法二：滑动窗口 + 数组（优化空间复杂度）

关键思路：用数组代替哈希表，适用于字符集较小的情况（如ASCII字符）。

class Solution {
    public int lengthOfLongestSubstring(String s) {
        int[] lastIndex = new int[128]; // ASCII字符集
        Arrays.fill(lastIndex, -1); // 初始化数组
        int maxLen = 0;
        int left = 0;

        for (int right = 0; right < s.length(); right++) {
            char currentChar = s.charAt(right);
            // 如果字符已存在，并且位置在left右侧，则更新left
            if (lastIndex[currentChar] >= left) {
                left = lastIndex[currentChar] + 1;
            }
            // 更新字符的位置
            lastIndex[currentChar] = right;
            // 计算当前窗口长度，并更新最大值
            maxLen = Math.max(maxLen, right - left + 1);
        }

        return maxLen;
    }
}

---

🌟 总结要点

✅ 滑动窗口核心思想：动态维护无重复字符的子串
✅ 哈希表/数组作用：快速定位字符的最后出现位置
✅ 适用场景：字符串匹配、子串问题

---