题目:
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.
Example:
Input:s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT"
Output:["AAAAACCCCC", "CCCCCAAAAA"]
思路1:
看到本题之后首先想到的思路是利用Java字符串附带的indexOf和lastIndexOf。取出每个10位字符串分别判断在给定字符串s中首先出现和最后出现的位置是否为一个,不是一个位置则加入到结果中。
不过很可惜,使用此方法后Time Limit Exceeded.
上网查资料后,了解到了一个很妙的解法。
首先设两个Set,分别取名为firsttime和secondtime.思路依然是取10位字符串,首先加入到firsttime。
Set的add方法可以返回布尔类型。加入成功返回true,否则返回false.
这样在第二次加入同样的字符串时firsttime将返回false.此时将此字符串加入到secondtime中,即为结果。
代码:
public List findRepeatedDnaSequences(String s) {
Listresult = new ArrayList();
if(s == null || s.length() == 0)
return result;
Setset = new HashSet();
Setvisit = new HashSet();
for(int i=0;i(set);
}
思路2:
上面的方法解题虽然很妙但是却存在着一个巨大的缺点。因为系统不得不开n-9个String来存储中间结果。可能会造成溢出。
上网查询之后发现了另一种更妙的方法。由于题目要求给定的字符串中只能有A、C、G、T.我们可以设A为00,C为01, G为10,T为11.
这样设置有一个好处就是每个字母都是两位,题目要的是长度为10的字符串,这样字符串的位数就是20,小于Int所能表示的数字的最长位数32.
在每次截取给定字符串s的时候设置一个正整数0,每次循环向左移动两位。在和循环到的字符做一个或操作。这样10位循环结束后将得到一个十位字符所表示的整数。
设置两个Set分别取名为firsttime何secondtime.和上述思路一样一旦firsttime中已经有了之前存取的整数,则代表这个位置上的字符串是满足题目要求的。
代码:
public List findRepeatedDnaSequences2(String s){
Listresult = new ArrayList();
if(s == null || s.length() == 0)
return result;
Setfirsttime = new HashSet();
Setsecondtime = new HashSet();
Mapmap = new HashMap();
map.put('A', 0);
map.put('C', 1);
map.put('G', 2);
map.put('T', 3);
for(int i=0;i