力扣 76. 最小覆盖子串

一、题目

二、 示例

三、提示

四、 思路与代码实现

1. 思路

• 本题， 套用的是滑动窗口算法模板;
• 初始化左右窗口边界指针（要方便源串取值） left = 0, right = 0， 为什么这样初始化？
  • 若设置窗口索引为左闭右闭区间， 则这样初始化时，窗口为windows[0, 0]， 即初始化时就包含了一个元素；
  • 若设置窗口索引为左开右开区间， 则这样初始化时，窗口为windows(0, 0)， 那么当right像右滑动的一格时候， 窗口windows(0, 1)仍然没有元素， 此时right 指针要多滑动一位才有包含；
  • 以上两种都不方便处理边界；
  • 而左闭右开区间，当初始化时， 窗口为windows[0, 0)， 此时窗口中包含一个元素windows[0]，方便处理边界；
• 使用unordered_map<char, int>容器来定义windows（窗口）与need， 其中 need 记录 T中字符出现的次数， 而windows则记录窗口中字符的出现次数；
• 接着先滑动 right 指针来扩大窗口， 其中若窗口中的字符与need中的字符匹配（数量上也要匹配），则val++（val代表窗口中满足 need 条件的字符个数 例如， T 为ABC， 而滑动窗口包含为 BNBAC）;
• 而收缩窗口的时机为， 当 val == need.size() 即窗口中包含的字符满足了need条件， 此时窗口已经完全覆盖了子串 T；在这里做子串的更新， 若 right - left 这一范围比之前的 len 长度更小则长度len更新， 且让 start = left；
• 返回子串为： return len == INT_MAX_LEN ? "" : s.substr(start, len);

2. 代码

class Solution {
public:
    string minWindow(string s, string t) {
        const int INT_MAX_LEN = 1e6;
        // 窗口， 需求 容器
        unordered_map<char, int> windows, need;
        // 初始化 t 是要求涵盖的子串
        for (char c : t) need[c]++;
        int left = 0;
        int right = 0;
        // 左闭右开区间
        int val = 0;
        int start = 0; // 更新待返回的子串
        int s_len = s.size();
        int len = INT_MAX_LEN;  // 待返回的子串长度
        // 套用窗口模板
        while (right < s_len) {
            // 待移入窗口的字符
            char c = s[right];
            // 窗口滑动
            right++;
            // 窗口内数据的更新
            if (need.count(c)) {
                windows[c]++;   // 移入窗口
                if (windows[c] == need[c]) {
                    val++;
                }
            }

            // 判断是否收缩窗口
            while (val == need.size()) {
                // 在收缩前收缩前更新子串
                if (right - left < len) {
                    start = left;
                    len = right - left;
                }
                char d = s[left];
                // 收缩窗口
                left++;
                // 进行窗口内数据的一系列更新
                if (need.count(d)) {
                    if (windows[d] == need[d]) {
                        val--;
                    }
                    windows[d]--;
                }
                
            }
        }
        // 返回子串
        return len == INT_MAX_LEN ? "" : s.substr(start, len);
    }
};

3. 关键思考

• 滑动窗口算法的关键：
  • 1、什么时候应该扩大窗口？
  • 2、什么时候应该缩小窗口？
  • 3、什么时候应该更新答案？