Repeated DNA Sequences

阅读更多

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"].

给定一个DNA序列，从中找出长度为10的出现次数大于一次的所有子序列。我们可以借助string的substring方法，从第一个字符开始一次截取，借助哈希表查看是否是重复的子串，如果重复就将这个字符串放入结果集中(结果集中不能重复)，对于解决结果集中不能重复我们可以通过contains方法来解决，也可以通过建立两个哈希表，判断一个子串是否应该加入结果集合中时，如果该子串在第一个集合中存在，在第二个集合中不存在，这种情况下就加入，并且这样可以保证结果集中不会有重复的结果。set中的add方法，如果存在要加入的元素返回false，如果不存在当前要加入的元素返回true。代码如下：

public class Solution {
    public List findRepeatedDnaSequences(String s) {
        List list = new ArrayList();
        Set set = new HashSet();
        Set secondSet = new HashSet();
        if(s == null || s.length() <= 10) return list;
        for(int i = 0; i <= s.length() - 10; i++) {
            String str = s.substring(i, i + 10);
            if(!set.add(str) && secondSet.add(str)) {
                list.add(str);
            }
        }
        return list;
    }
}

我们还可以通过位运算来处理，DNA序列中只有四个元素，我们用两个比特位就可以表示，在构造子串的时候，设置一个变量，初始值为0，然后每次移动两位添加新的元素，移动十次之后就构成了一个子串，这样我们通过比较这个数是否在集合中出现就可以了。代码如下：

public class Solution {
    public List findRepeatedDnaSequences(String s) {
        List list = new ArrayList();
        Set set = new HashSet();
        Set secondSet = new HashSet();
        if(s == null || s.length() <= 10) return list;
        int[] map = new int[26];
        map['A' - 'A'] = 0;
        map['C' - 'A'] = 1;
        map['G' - 'A'] = 2;
        map['T' - 'A'] = 3;
        for(int i = 0; i <= s.length() - 10; i++) {
            int key = 0;
            for(int j = i; j < i + 10; j++) {
                key |= map[s.charAt(j) - 'A'];
                key <<= 2;
            }
            if(!set.add(key) && secondSet.add(key)) {
                list.add(s.substring(i, i + 10));
            } 
        }
        return list;
    }
}