算法设计与应用基础

187.

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"].

这道题目的难度中等

其主要思想是店子串为int在地图绕过内存限制。
只有四个可能的字符a、c、g和t，但我希望每字母使用3位，而不是2位。
为什么？代码更容易编写。
一个是0x41，C是0x43，G 0x47，T是0x54。还是没看到吗？让我用八进制写。
a是0101，c是0103，g是0107，t是0124。八进制的最后一个数字对所有四个字母都是不同的。这就是我们所需要的！
我们可以简单地使用s i i和7获得最后一位数，这是最后的3位，它比查找表或开关或一组IF和其他的要容易得多，对吗？
我们真的不需要从内部产生的子串出现的次数，计算，我们可以把串成的结果当计数变为2，所以不会有任何重复的结果。

vector<string> findRepeatedDnaSequences(string s) {
    unordered_map<int, int> m;
    vector<string> r;
    int t = 0, i = 0, ss = s.size();
    while (i < 9)
        t = t << 3 | s[i++] & 7;
    while (i < ss)
        if (m[t = t << 3 & 0x3FFFFFFF | s[i++] & 7]++ == 1)
            r.push_back(s.substr(i - 10, 10));
    return r;
}