【LeetCode:30. 串联所有单词的子串 | 滑动窗口 + 哈希表】

LeetCode 30. 串联所有单词的子串 通俗易懂解法 来源:力扣(LeetCode) 链接:https://leetcode-cn.com/problems/queens-that-can-attack-the-king/ 一.问题描述 给定一个字符串s 和一些 长度相同 的单词 words 。找出 s 中恰好可以由 words中所有单词串联形成的子串的起始位置。 注意子串要与words 中的单词完全匹配,中间不能有其他字符 ,但不需要考虑 words 中单词串联的顺序。 示例 1: 输入:s = “barfoothefoobarman”, words = 阅读详情

在这里插入图片描述

🚀 算法题 🚀

🌲 算法刷题专栏 | 面试必备算法 | 面试高频算法 🍀
🌲 越难的东西,越要努力坚持,因为它具有很高的价值,算法就是这样✨
🌲 作者简介:硕风和炜,优快云-Java领域新星创作者🏆,保研|国家奖学金|高中学习JAVA|大学完善JAVA开发技术栈|面试刷题|面经八股文|经验分享|好用的网站工具分享💎💎💎
🌲 恭喜你发现一枚宝藏博主,赶快收入囊中吧🌻
🌲 人生如棋,我愿为卒,行动虽慢,可谁曾见我后退一步?🎯🎯

🚀 算法题 🚀

在这里插入图片描述

在这里插入图片描述

🚩 题目链接

⛲ 题目描述

给定一个字符串 s 和一个字符串数组 words。 words 中所有字符串 长度相同。

s 中的 串联子串 是指一个包含 words 中所有字符串以任意顺序排列连接起来的子串。

例如,如果 words = [“ab”,“cd”,“ef”], 那么 “abcdef”, “abefcd”,“cdabef”, “cdefab”,“efabcd”, 和 “efcdab” 都是串联子串。 “acdbef” 不是串联子串,因为他不是任何 words 排列的连接。
返回所有串联子串在 s 中的开始索引。你可以以 任意顺序 返回答案。

示例 1:

输入:s = “barfoothefoobarman”, words = [“foo”,“bar”]
输出:[0,9]
解释:因为 words.length == 2 同时 words[i].length == 3,连接的子字符串的长度必须为 6。
子串 “barfoo” 开始位置是 0。它是 words 中以 [“bar”,“foo”] 顺序排列的连接。
子串 “foobar” 开始位置是 9。它是 words 中以 [“foo”,“bar”] 顺序排列的连接。
输出顺序无关紧要。返回 [9,0] 也是可以的。
示例 2:

输入:s = “wordgoodgoodgoodbestword”, words = [“word”,“good”,“best”,“word”]
输出:[]
解释:因为 words.length == 4 并且 words[i].length == 4,所以串联子串的长度必须为 16。
s 中没有子串长度为 16 并且等于 words 的任何顺序排列的连接。
所以我们返回一个空数组。
示例 3:

输入:s = “barfoofoobarthefoobarman”, words = [“bar”,“foo”,“the”]
输出:[6,9,12]
解释:因为 words.length == 3 并且 words[i].length == 3,所以串联子串的长度必须为 9。
子串 “foobarthe” 开始位置是 6。它是 words 中以 [“foo”,“bar”,“the”] 顺序排列的连接。
子串 “barthefoo” 开始位置是 9。它是 words 中以 [“bar”,“the”,“foo”] 顺序排列的连接。
子串 “thefoobar” 开始位置是 12。它是 words 中以 [“the”,“foo”,“bar”] 顺序排列的连接。

提示:

1 <= s.length <= 104
1 <= words.length <= 5000
1 <= words[i].length <= 30
words[i] 和 s 由小写英文字母组成

🌟 求解思路&实现代码&运行结果


⚡ 滑动窗口 + 哈希表

🥦 求解思路
  1. 该题暴力解法肯定是通过不了的,所以,我们需要使用其它的解法。该题是438. 找到字符串中所有字母异位词的进阶版本,依旧是通过滑动窗口+Hash表来解决,只不过该题需要使用词频表来维护单词出现的次数,而基础题维护的是字符出现的次数。
  2. 使用哈希表 wordsMap 记录 words 中每个单词的出现次数
  3. 枚举 s 中的每个字符作为起点,往后取长度为len * n的子串 str
  4. 使用哈希表 strMap 统计 str 每个单词的出现次数(每隔 w 长度作为一个单词)
  5. 比较 wordsMap 和 strMap 是否相同
  6. 实现代码如下所示:
🥦 实现代码
class Solution {
    public List<Integer> findSubstring(String s, String[] words) {
        List<Integer> ans = new ArrayList<>();
        HashMap<String, Integer> wordsMap = new HashMap<>();
        int n = words.length, len = words[0].length();
        int total = len * n;
        for (String word : words) {
            wordsMap.put(word, wordsMap.getOrDefault(word, 0) + 1);
        }
        int m = s.length();
        for (int i = 0; i <= m - total; i++) {
            String str = s.substring(i, i + total);
            HashMap<String, Integer> strMap = new HashMap<>();
            for (int j = 0; j < str.length(); j += len) {
                String temp = str.substring(j, j + len);
                if (!wordsMap.containsKey(temp))
                    break;
                strMap.put(temp, strMap.getOrDefault(temp, 0) + 1);
            }
            if (wordsMap.equals(strMap))
                ans.add(i);
        }
        return ans;
    }
}
🥦 运行结果

在这里插入图片描述


💬 共勉

最后,我想和大家分享一句一直激励我的座右铭,希望可以与大家共勉!

在这里插入图片描述

在这里插入图片描述

LeetCode 第 30 题《串联所有单词的子串》| Python | 滑动窗口 + 哈希计数 几年前我准备求职时,也曾一头扎进 LeetCode 的题海。从最初的“看题懵圈”到后来能在面试中从容写出最优解,成了我提升算法能力最有效的方式。那段经历不仅帮我顺利拿到心仪 offer,更让我养成了系统思考和高效编码的习惯。如今工作稳定了,终于有时间把当年的刷题笔记重新整理、优化,并用逐题讲解清楚。希望能帮助正在准备面试、转行或想夯实基础的你——。:滑动窗口、哈希表、字符串匹配、多模式匹配、固定长度单词:困难:⭐⭐⭐⭐☆(大厂高频题,考察综合字符串处理能力) 阅读详情

相关推荐

Origin绘制带差异显著性标记的分组均值条形图|科研论文图表教程(附数据格式模板)

传统柱状图虽能呈现组间均值差异,却隐藏个体数据分布;散点图虽能展示原始数据,却难以直观凸显统计显著性。带差异显著性(*)的分组均值条形图——它以“双层叙事”的创新设计,同时呈现群体特征与个体差异。

weixin_50236590的博客 1501

LeetCode 219. 存在重复元素 II ——哈希表+滑动窗口

给你一个整数数组nums和一个整数k,判断数组中是否存在两个i和j,满足且。如果存在,返回true;否则,返回false。**输入:**nums = [1,2,3,1], k = 3**输出:**true**输入:**nums = [1,0,1,1], k = 1**输出:**true**输入:**nums = [1,2,3,1,2,3], k = 2**输出:**false。

gulugulu1103的博客 447

3D医学影像分割新突破:手把手教你用MedSAM2快速标注CT/MRI数据(附3D Slicer插件配置)

本文详细介绍了如何利用MedSAM2模型进行3D医学影像分割,包括从环境准备到3D Slicer插件配置的全流程。通过实战案例和技巧分享,帮助医疗从业者快速掌握CT/MRI数据的高效标注方法,提升医学影像分析的准确性和效率。

ujm5678901的博客 304

力扣热题100实战 | 第30期:串联所有单词的子串——滑动窗口与哈希表的终极配合

本文是力扣热题100实战系列的第三十篇,深度解析串联所有单词的子串这道经典Hard题。作为LeetCode第30题,它是第438题“找到字符串中所有字母异位词”的进阶版本,也是大厂面试中极具区分度的难题。题目要求在主串中找出所有由给定单词数组任意排列串联而成的子串的起始位置,其中所有单词长度相同。本文从最直观的朴素哈希表法O(n×m×w)讲起,分析其低效原因,然后逐步引出滑动窗口+哈希表的核心解法,将时间复杂度优化到O(n×w)。通过图解和详细代码注释,帮助读者理解为什么要按单词长度分轮遍历、如何用coun

LinuxSRE、k8s、运维、DBA、大数据 527

ROS2实战:从零部署Cartographer激光SLAM系统

本文详细介绍了在ROS2 Humble环境下,从零开始部署Cartographer激光SLAM系统的完整实战流程。内容涵盖环境准备、Cartographer安装(APT与源码编译两种方式对比)、工作空间与功能包创建、核心启动文件与Lua配置文件编写、系统构建与可视化启动,以及地图保存与实战调参技巧,帮助开发者快速构建稳定可靠的机器人SLAM应用。

weixin_29213655的博客 249

CSR mascon产品深度解析

GRACE数据产品 mascon产品 质量变化 地球重力场

weixin_43047707的博客 4436

LeetCode:30 串联所有单词的子串 哈希表+滑动窗口

给定一个字符串 s 和一些长度相同的单词 words。找出 s 中恰好可以由 words 中所有单词串联形成的子串的起始位置。 注意子串要与 words 中的单词完全匹配,中间不能有其他字符,但不需要考虑 words 中单词串联的顺序。 示例 1: 输入: s = "barfoothefoobarman", words = ["foo","bar"] 输出:[0,9] 解释: 从索引 0 和 9 ...

AKGWSB 's blog 328

JavaScript高级程序设计

作者:禅与计算机程序设计艺术 1.简介 JavaScript(简称JS)是一种直截了当、简单易用的动态脚本语言。它最初由Netscape公司的Brendan Eich(布兰登·艾奇)于1995年创建,但后来逐渐成为事实上的通用编程语言。目前,JS已经成为世界上最流行的客户端脚本语言,广泛用于网页开发、移

AI天才研究院 2269

15.LeetCode 30. 串联所有单词的子串(Java):滑动窗口+哈希表详解

15.LeetCode 30. 串联所有单词的子串(Java):滑动窗口+哈希表详解

2401_87122037的博客 382

YOLOv11 改进 - 注意力机制 | GC Block(GlobalContext Block)全局上下文块:三重变换捕获全局依赖,提升复杂场景鲁棒性

本文介绍了全局上下文块(GC Block)及其在YOLOv11中的集成应用。GC Block是GCNet的核心组件,结合了NLNet和SENet的优势,通过上下文建模、特征变换和特征融合三个模块,高效捕获特征图中的全局依赖关系,在提高模型性能的同时降低计算成本。我们将GC Block引入YOLOv11,在检测头部分的不同尺度特征图上应用该模块。实验表明,改进后的YOLOv11在目标检测任务中表现良好,展现了GC Block在实际应用中的价值。

魔改工程师的博客 953

论文必备 - YOLO26热力图可视化,支持指定模型,指定显示层,设置置信度,以及9种可视化实现方式

本文带来的是YOLO26热力图可视化功能,支持指定模型,指定显示层,设置置信度,以及9种可视化实现方式。我们经常看到一些论文里绘制了不同的热力图,一方面能够直观的感受其模型的有效性,另一方面也丰富了论文内容。特别是在使用了注意力模块的网络中,热力图就可以验证注意力机制是否真正聚焦到了预期的重要特征上,以便对模型的有效性和合理性进行评估。例如Centralized Feature Pyramid for Object Detection这篇文章中展示的,就很能够表达作者改进后的模型相比之前模型的优越性。在项目

Limiiiing的博客 434

Leetcode 30. 串联所有单词的子串 滑动窗口+hash

原题链接:30. 串联所有单词的子串 代码一:遍历,hash class Solution { public: vector<int> findSubstring(string s, vector<string>& words) { vector<int> res; int len=words[0].size(); int l=len*int(words.size()); if(s.size

想买很多漂亮衣服但是买不起的博客 977

Wsl/InstallDistro/Service/RegisterDistro/CreateVm/HCS/E_INVALIDARG

摘要:安装WSL2时遇到E_INVALIDARG错误(多核CPU问题),可通过创建.wslconfig配置文件解决。配置内容包括:渐进式内存回收、自动代理、模拟虚拟系统调用、限制内存为4GB和处理器核心数为4。需确保已启用虚拟机平台和Linux子系统功能。 (98字)

猿小白的博客 1050

优选算法-滑动窗口:15.串联所有单词的子串

优选算法-滑动窗口:14.串联所有单词的子串解析

要努力去发光,而不是被照亮~ 643

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

leetcode 76. 最小覆盖子串-java实现

滑动窗口算法 属于双指针算法中的一个小范围。

qq_41810415的博客 759

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

滑动窗口(三)

滑动窗口(三)

m0_74317866的博客 504

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

30. 串联所有单词的子串 :「朴素哈希表」&「 滑动窗口 + 哈希表」

这是 LeetCode 上的30. 串联所有单词的子串 ,难度为 困难。Tag : 「哈希表」、「滑动窗口」、「枚举」给定一个字符串 和一些长度相同的单词 。找出 中恰好可以由 中所有单词串联形成的子串的起始位置。注意子串要与 中的单词完全匹配,中间不能有其他字符,但不需要考虑 中单词串联的顺序。示例 1: 示例 2: 提示:令 为字符串 的长度, 为数组 的长度(单词的个数), 为单个单词的长度。由于 里面每个单词长度固定,而我们要找的字符串只能恰好包含所有的单词,因此我们要找

m0_67698950的博客 167

【刷题】滑动窗口精通 — Leetcode 30. 串联所有单词的子串 | Leetcode 76. 最小覆盖子串

本文讲解了滑动窗口的较难的经典题目:76.最小覆盖子串 和 30.串联所有单词的子串

叫我龙翔的博客 2526

【Leetcode 30】串联所有单词的子串 —— 滑动窗口

滑动窗口: 初始化:获取单词列表和单词长度,并初始化结果列表。 滑动窗口:通过迭代每个可能的子串起始位置,在字符串中查找符合条件的子串。 返回结果:返回符合条件的子串的起始位置列表。

若明天不见 1211

Leetcode 30 串联所有单词的子串

Leetcode 30 串联所有单词的子串 我的 leetcode 代码仓库 题目描述 Leetcode题目地址:https://leetcode-cn.com/problems/substring-with-concatenation-of-all-words/ 给定一个字符串 s 和一些长度相同的单词 **words。**找出 s 中恰好可以由 words 中所有单词串联形成的子串的起始位置。...

隔壁家的二大爷 2582

【优选算法必刷100题】第015-016题(滑动窗口):串联所有单词的子串,最小覆盖子串

【摘要】本文分享了两个基于滑动窗口和哈希表结合的字符串算法题解:1.《串联所有单词的子串》将单词视为字符处理,通过控制窗口步长(单词长度)和频次统计(哈希表)实现高效匹配,需执行len次滑动窗口;2.《最小覆盖子串》采用双哈希表动态维护目标串和窗口字符频次,优化版使用128位数组提升效率,通过比较频次和移动窗口边界寻找最小覆盖子串。两种解法均通过滑动窗口机制实现字符串模式匹配,展示了如何将复杂字符串问题转化为哈希统计问题的解题思路。

心向往之,行必能至 1312

力扣题解30. 串联所有单词的子串

Python&Java双语解决力扣必刷算法,题号30. 串联所有单词的子串

引用原创内容标明出处即可 1380

【算法】三招搞定“串联所有单词的子串”

对于初学编程的小伙伴来说,LeetCode 中的字符串匹配类题目常常让人头疼 —— 既要处理复杂的字符组合,又要兼顾效率,很容易陷入 “暴力破解超时” 的困境。 今天要讲的第 30 题 “串联所有单词的子串”,就是一道典型的 “看似复杂但有巧解” 的题目。它不仅考察对字符串的基本操作,还能帮我们入门 “哈希表” 和 “滑动窗口” 这两个编程中超实用的技巧。这两个技巧就像两把钥匙,能打开很多字符串、数组类题目的大门,学会后会发现很多难题都能迎刃而解。

qq_2778465975的博客 1397

【算法笔记】LeetCode_30 串联所有单词的子串

这些情况下,滑动窗口方法的时间复杂度为O(n),其中n为字符串的长度,而遍历字符串方法的时间复杂度为O(n*m),其中m为单词列表的长度。这个问题最开始的想法是暴力破解,遍历字符串中的所有字符,以每个字符为起点,截取固定长度的字符串,然后对每个字符串判断是否符合要求,其最坏情况下的时间复杂度是O(m * n),m是字符串的长度,n是数组的元素数量。它是 words 中以 [“bar”,“foo”] 顺序排列的连接。[“bar”,“the”,“foo”] 顺序排列的连接。3,所以串联子串的长度必须为 9。

weixin_45568812的博客 1005

【滑动窗口】串联所有单词的子串

文章讨论了如何在字符串 s 中查找所有包含 words 数组中所有单词的串联子串的起始索引。words 中的单词长度相同,串联子串是指包含 words 中所有单词以任意顺序排列连接起来的子串。解题思路借鉴了滑动窗口和哈希表的方法,通过将字符串 s 按单词长度分段跳跃遍历,类似于希尔排序的跨步思想。具体步骤包括:使用哈希表统计 words 中单词的出现次数,滑动窗口的移动幅度为单词长度,执行次数为单词长度。代码实现中,通过哈希表记录窗口内的单词频率,并与 words 中的频率进行比较,找到符合条件的子串起始索

lirendada的博客 1159

《算法闯关指南:优选算法--滑动窗口》--15.串联所有单词的子串,16.最小覆盖子串

本文分享了两个滑动窗口算法的实战案例:1. 串联所有单词的子串(LeetCode 30题)通过将单词视为字符单元,使用哈希表统计词频,采用步长为单词长度的滑动窗口进行多次遍历,时间复杂度为O(n)。2. 最小覆盖子串(LeetCode 76题)利用双哈希表分别统计目标串和窗口串的字符频率,通过维护有效字符计数来优化窗口滑动过程,最终得到最短覆盖子串。两个案例都提供了C++实现代码,并强调了滑动窗口与哈希表结合解决字符串匹配问题的通用思路。

会当凌绝顶,一览众山小 1775
上一篇: 【LeetCode:76. 最小覆盖子串 | 滑动窗口】
下一篇: 【LeetCode:530. 二叉搜索树的最小绝对差 | 二叉搜索树】
硕风和炜
硕风和炜 优质创作者: Java技术领域 优质创作者: Java技术领域
博客等级 码龄7年 2万+粉丝 1024原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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

打赏作者

硕风和炜

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
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