Repeated DNA Sequences —— Leetcode（教训，重做）

最新推荐文章于 2015-09-09 18:29:50 发布

原创最新推荐文章于 2015-09-09 18:29:50 发布 · 521 阅读

0 ·

CC 4.0 BY-SA版权

Leetcode 专栏收录该内容

48 篇文章

订阅专栏

本文介绍了一个函数，用于在DNA分子中查找所有长度为10的重复子串序列。通过使用哈希映射和编码技巧，该函数能有效地解决DNA序列分析问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

All DNA is composed of a series of nucleotides abbreviated as A, C, G, and T, for example: "ACGAATTCCG". When studying DNA, it is sometimes useful to identify repeated sequences within the DNA.

Write a function to find all the 10-letter-long sequences (substrings) that occur more than once in a DNA molecule.

For example,

Given s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT",

Return:
["AAAAACCCCC", "CCCCCAAAAA"].

hashmap很容易想到，但有存在一个问题：如何把十位的字符串表示成一个key；

注意到ACGT ASC码中ACGT后三位分别不同，可以用后三位来代表每一个字母，那么十位字符串总共30位，不超过一个int；

当然也可以用00, 01, 10, 11来表示这四个字符，不过更繁琐。

其次在编码过程中注意：

1. +的优先级远高于& |

2. 前++与后++的区别

3. STL中unordered_map的用法

4. 控制vector中的唯一性用==

具体源码如下：

class Solution {
public:
    vector<string> findRepeatedDnaSequences(string s) {
        std::unordered_map<int, int> m;
        vector<string> result;
        
        int i=0, tmp = 0;
        while(i<10) {
            tmp = (tmp<<3) + (s[i++]&7);    //注意此处i++，是先算，后加；注意此处要加括号！！
        }
        m[tmp]++;
        while(i<s.size()) {
            tmp = (tmp<<3&0x3FFFFFFF) + (s[i++]&7);   //注意此处括号，+的优先级大于&，所以要括号；也可换成|去掉括号
            if(++m[tmp]/*++*/ == 2)  //深刻注意此处前++与后++的区别,2用于排除>2时不重复的情况
                result.push_back(s.substr(i-10, 10));
        }
        
        return result;
    }
};