LeetCode-3. 无重复字符的最长子串

本文详细解析了如何使用滑动窗口算法解决LeetCode中的无重复字符最长子串问题,通过C++实例演示了哈希表unordered_set的应用,以及如何高效地找到无重复字符的最长子串长度。

LeetCode-3. 无重复字符的最长子串

题目

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 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。

示例 4:

输入: s = “”
输出: 0

提示:

  • 0 <= s.length <= 5 * 1 0 4 10^4 104
  • s 由英文字母、数字、符号和空格组成

解法

/*
1.每个时刻,窗口都是非重复的
*/
class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        int len;
        unordered_set<char> occ; //存放滑动窗口
        len = s.size();
        if(0 == len) return 0;
        int left = 0, right;
        int maxString = 0;
        for(right = 0; right < len;right++)
        {
            /*
            当新加入的右侧字符在滑动窗口中是重复字符时,让窗口左边界右移
            C++中,[begin,end),左闭右开,所以occ.end()返回迭代器最后元素的下一个位置,
            if occ.find(s[right]) == occ.end(),说明在窗口中没找到s[right]字符,即窗口中没有重复
            occ.find(s[right]) != occ.end(),说明在窗口中找到s[right]字符,
            则返回找到元素的迭代器,否则返回指向unordered_set末尾的迭代器(occ.end())。
            */
            while(occ.find(s[right]) != occ.end())
            {
                occ.erase(s[left]);
                left++;
            }
            // 不重复时,直接将右指针处的字符加入窗口
            occ.insert(s[right]);
            maxString = max(maxString, right - left + 1);
        }
        return maxString;
    }
};

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/3sum
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

笔记

  • STL中基于哈希表的数据结构unordered_set,find(), end()函数返回迭代器(类似于游标,指针)
  • 滑动窗口的思路
  • 暴力解法

// 滑动窗口
// 每一时刻,窗口都表示一个无重复字符的子串

class Solution {
public:
int lengthOfLongestSubstring(string s) {
int ans = 0;
int n = s.length();
int left = 0;
unordered_set book; // 哈希表,记录窗口中已经出现的字符
for (int right = 0; right < n; ++right) {
// 当新加入窗口右侧的字符是重复字符,让窗口左边界(左指针)右移
while (book.find(s[right]) != book.end()) {
book.erase(s[left]);
++left;
}
// 将右指针处的字符加入窗口
book.insert(s[right]);
ans = max(ans, right - left + 1);
}
return ans;
}
};

### 解法分析 解决“无重复字符长子”问题的高效方法是使用**滑动窗口**技巧。该方法通过维护一个窗口,窗口内始终不包含重复字符。窗口的左右边界分别由两个指针控制,通过哈希表或数组记录字符近出现的位置,从而判断是否需要移动左指针以保持窗口的有效性。 #### 1. 滑动窗口法 滑动窗口法的时间复杂度为 $O(n)$,其中 $n$ 是字符的长度。它通过单次遍历字符,动态调整窗口的左右边界,从而找出无重复字符的子。 ```cpp class Solution { public: int lengthOfLongestSubstring(string s) { vector<int> charIndex(128, -1); // 用于记录每个字符近出现的位置 int maxLen = 0; int start = 0; // 窗口的起始位置 for (int end = 0; end < s.size(); end++) { char currentChar = s[end]; if (charIndex[currentChar] >= start) { // 如果当前字符已经出现在窗口内,则更新窗口的起始位置 start = charIndex[currentChar] + 1; } charIndex[currentChar] = end; // 更新字符的位置 maxLen = max(maxLen, end - start + 1); // 计算当前窗口长度 } return maxLen; } }; ``` #### 2. 使用哈希表 除了使用固定大小的数组记录字符位置,也可以使用哈希表(`unordered_map`)来动态存储字符的位置信息。 ```cpp class Solution { public: int lengthOfLongestSubstring(string s) { unordered_map<char, int> charMap; int maxLen = 0; int start = 0; for (int end = 0; end < s.size(); end++) { if (charMap.count(s[end])) { // 如果字符已经出现过,并且其位置在窗口内,则更新窗口起始位置 start = max(start, charMap[s[end]] + 1); } charMap[s[end]] = end; // 更新字符的位置 maxLen = max(maxLen, end - start + 1); // 更新大长度 } return maxLen; } }; ``` #### 3. 使用布尔数组 另一种方法是使用布尔数组记录字符是否已经在当前窗口中出现,这种方法适用于字符集较小的情况(如 ASCII)。 ```cpp class Solution { public: int lengthOfLongestSubstring(string s) { bool used[128] = {false}; int maxLen = 0; int left = 0, right = 0; while (right < s.size()) { if (used[s[right]]) { // 如果当前字符已存在,则移动左指针并更新数组 used[s[left++]] = false; } else { used[s[right++]] = true; maxLen = max(maxLen, right - left); } } return maxLen; } }; ``` ### 总结 - **滑动窗口法**是优解法,时间复杂度为 $O(n)$,空间复杂度为 $O(m)$($m$ 为字符集大小)。 - **哈希表**方法灵活性更强,适用于字符集较大的情况。 - **布尔数组**方法适用于字符集较小的情况,实现简单且效率较高。 这些方法都可以通过 LeetCode 测试用例,并且在性能上表现良好。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值