LeetCode - Repeated DNA Sequences

https://leetcode.com/problems/repeated-dna-sequences/

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"].

这道题可以把每个substring提出来，然后弄成一个hashtable，但这样的话浪费空间，而且对比两个string是否相同也是浪费时间的。

因此，可以看到A, C, G, T的最后3位都是不同的，因此只需要用最后3位代表这些字母就行了，这样长度为10的string就可以在一个int里面保存，并且，对比的时候，只需要对比int值是否相同就行了。

另外，长度为10的substring不需要每次都从头开始，因为前一个string的后9个是后一个string的前9个，所以只需要在int中把前一个string的第一个移走，把后一个string的最后一个移进来就行。

而且，不需要在统计完之后再解码，而是发现有重复substring的时候，直接把当前substring加进去就好，不然也要浪费解码的时间。

总之，这道题让我发现，很多工作都是不必要做的，一定要看出这些工作是不必要的，然后尽量节省时间。另外，这里的bit manipulation也很巧妙，应该多练习bit manipulation。

public class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        List<String> rst = new LinkedList<String>();
        int mask = 0x3FFFFFFF;
        HashMap<Integer, Integer> map = new HashMap<Integer, Integer>();
        if(s.length()<=10) return rst;
        int i=0;
        int cur = 0;
        while(i<9){
            cur = (cur<<3) | (s.charAt(i++)&7);
        }
        
        while(i<s.length()){
            cur = ((cur<<3) | (s.charAt(i++)&7)) & mask;
            if(map.containsKey(cur)){
                if(map.get(cur)==1){
                    map.put(cur, map.get(cur)+1);
                    rst.add(s.substring(i-10, i));
                }
            }
            else{
                map.put(cur, 1);
            }
        }
        
        return rst;
    }
}