题目描述
给定一个字符串,请你找出其中不含有重复字符的最长子串的长度
数据结构
- 数组、指针、哈希表
算法思维
- 双指针、哈希(散列)
解题要点
- “范围问题” 或 “同步变化” ==> 双指针
- “快速查找” 或 “重复匹配” ==> 哈希表
关键知识点:哈希表 与 哈希算法
Hash table:哈希表,也叫散列表
把关键码值映射到表中的一个位置,以加快查找速度
Hash 算法
散列值:把任意长度的输入通过算法变成固定长度的输出
是一种压缩映射,直接取余操作
哈希冲突的解决:开放寻址;再散列;链地址法;
位运算
& | ~ ^ << >> >>>
取模操作: a % (Math.pow(2,n)) 33 % 16 = 1
等价于:a & (Math.pow(2,n)-1) 33 & 15 = 1
解题步骤
一. Comprehend 理解题意
1. 题目主干要求
- 返回最长子串的长度
- 子串中无重复字符
- 子串,而非子序列:"wke"是子串,"pwke"是子序列
2. 其它细节
- 测试数据仅包含 ASCII 码表中的字符
- 字符串可能为空,或全部由空字符组成
解法一:暴力解法
- 先找到所有不重复子串,再统计最长子串的长度
- 查找子串时,只保留不含重复字符的串
- 需要将这些子串临时存储在一个容器中
- 使用语言特性(Java)
解法二:优化解法
- 在原字符串上定位并计算子串长度,取最大值
- 查找不含重复字符的子串,通过索引计算其长度
- 每次计算与上次子串长度对比,只保留最大的数值
二. Choose 选择数据结构与算法
解法一:统计最长子串的长度
- 数据结构:数组/栈/链表/队列+字符串
- 算法思维:遍历+双指针(外层循环start,内层循环end)
解法二:计算并保留最大子串长度
- 数据结构:字符串(临时子串)
- 算法思维:遍历+双指针
三. Code 编码实现基本解法
解法一:暴力解法思路分析
- 生成所有不包含重复字符的子串
将所有单字符子串添加到集合(ArrayList)中
遍历字符串,外层循环为 start,内层为 end
截取不含重复字符的子串,添加到集合中 - 统计最长子串的长度
遍历集合,统计最大子串长度并返回
边界问题
- 遍历字符串的字符,注意索引越界
- 生成子串时,注意子串的起止索引
细节问题
- 子串添加到 ArrayList,它会动态扩容
class Solution {
public int lengthOfLongestSubstring(String s) {
int length;
if(s == null || (length = s.length()) == 0) return 0;
// 1.生成所有不包含重复字符的子串
List < String > list = new ArrayList < > ();
list.addAll(Arrays.asList(s.split(""))); // 单字符,直接添加到集合中
for(int start = 0; start < length; start++) { // 遍历子串的起始字符
for(int end = start + 1; end < length; end++) { // 遍历子串的终止字符
String subStr = s.substring(start, end);
// 当前字符在前面的子串中已出现,则跳过该字符
if(subStr.indexOf(s.charAt(end)) != -1) {
break;
}
list.add(s.substring(start, end + 1)); // 否则,添加到集合中
}
}
// 2.统计最长子串的长度
int maxLength = 1;
for(String sub: list) {
int subLen;
if((subLen = sub.length()) > maxLength) maxLength = subLen;
}
return maxLength;
}
}
时间复杂度:O(n3)
• 将字符串切割成单字符数组:O(n)
• 遍历并截取子串:O(n3)
• 统计最长子串长度:O(n2)
• 实际时间消耗巨大
空间复杂度:O(n2)
• 数组列表:O(n2),理论上最多有 n(n + 1) / 2 个子串
• 子串都是常量:O(n2)
• 子串都是字符串常量,实际空间消耗巨大
执行耗时:270 ms,击败了 6.86% 的Java用户
内存消耗:39.8 MB,击败了 5.04% 的Java用户
解法二:优化解法解法思路分析
- 定义变量 maxLength 表示最大长度
- 使用双指针截取不含重复字符的子串
- 计算子串长度,保留较大值到 maxLength
class Solution {
public int lengthOfLongestSubstring(String s) {
int len;
if(s == null || (len = s.length()) == 0) {
return 0;
}
int maxLength = 1; // 最长子串的长度。默认值1:原字符串有数据,至少是1
// 1.遍历字符串,生成所有的不含重复字符的子串
for(int start = 0; start < len; start++) { // 遍历子串的起始字符
for(int end = start + 1; end < len; end++) { // 遍历子串的终止字符
String subStr = s.substring(start, end); // 截取当前字符的前置子串
// 当前字符在前面的子串中已出现,则跳过该字符
if(subStr.indexOf(s.charAt(end)) != -1) {
break;
}
// 2.统计最长子串的长度
int subLen = end + 1 - start; // 子串长度
if(subLen > maxLength) maxLength = subLen;
}
}
return maxLength;
}
}
时间复杂度:O(n3)
• 将字符串切割成单字符数组:O(n)
• 遍历并截取子串:O(n3)
• 统计最长子串长度:O(n2)
• 实际时间消耗巨大
空间复杂度:O(n2)
• 数组列表:O(n2),理论上最多有 n(n + 1) / 2 个子串
• 子串都是常量:O(n2)
• 子串都是字符串常量,实际空间消耗巨大
执行耗时:260 ms,击败了 7.06% 的Java用户
内存消耗:39.4 MB,击败了 6.54% 的Java用户
四. Consider 思考更优解
剔除无效代码或优化空间消耗
- 能否不存储子串?
- 能否避免生成字符串常量?
寻找更好的算法思维
- 能否只扫描一遍字符串?
- 定位子串并检查重复字符的过程比较耗时,能否优化?
- 参考其它算法
五. Code 编码实现最优解
最优解:哈希表 + 双指针 解法
- 定义哈希表,临时存储子串字符和查重
定义哈希函数,对任意字符生成唯一整数值 - 遍历字符串,通过双指针循环定位子串
重复检查右指针元素是否存在与哈希表中;
是,删除哈希表中左指针元素,移动左指针
否,记录到哈希表,计算长度,移动右指针 - 每次计算子串长度,比较并保留最大值
边界问题
- 遍历字符串的字符,注意索引越界
- 计算子串长度时,注意子串的起止索引
- 根据测试用例,子串长度不会超过哈希表容量:new char[128]
细节问题
- 子串长度是:end + 1 - start
- 出现重复元素后,左指针逐个移动,直到与当前重复的字符索引+1
class Solution {
public int lengthOfLongestSubstring(String s) {
int res = 0, left = 0, right = 0, len = s.length();
// 1.定义哈希表,支持ASCII码表的全部字符
char[] chs = new char[128];
// 2.遍历字符串的所有字符
while(right < len) { // 右指针后移,不超过源字符串长度
char rightChar = s.charAt(right); // 右指针字符
char c = chs[(chs.length - 1) & hash(rightChar)]; // hash算法计算索引
if(rightChar != c) { // 未重复出现
// 2.1.记录到哈希表,移动右指针,计算长度
char v = s.charAt(right++);
// 将不重复字符记录到哈希表中
chs[(chs.length - 1) & hash(v)] = v;
// 3.每次记录子串长度,并计算最大值
int size = right - left; // 每个不重复子串的长度
res = res > size ? res : size; // 取较大值
}
else { // 重复出现
// 2.2.删除左指针元素,移动左指针。重复检查右指针元素是否还存在
char leftChar = s.charAt(left++);
chs[(chs.length - 1) & hash(leftChar)] = '\u0000';
}
}
return res;
}
}
时间复杂度:O(n) -- 遍历字符串 O(n),定位重复字符 O(1)
空间复杂度:O(1) -- 哈希表占用固定空间 O(1),双指针 O(1)
执行耗时:4 ms,击败了 90.12% 的Java用户
内存消耗:38.8 MB,击败了 84.17% 的Java用户
思路再优化
- 哈希表作用变形
字符ASCII码值 --> 字符
字符ASCII码值 --> 字符最后出现索引 - 遇到重复元素后,左指针移动优化
逐个移动到前一个相同字符出现后的位置 --> 一次性定位到前一个相同字符出现后的位置
再优化解法
- 初始化哈希表,存入非 ASCII 码值作为默认值
- 遍历字符串,使用双指针定位子串索引
字符已出现:取出哈希表中记录,左指针到记录+1
无论是否出现,将右指针记录到哈希表 - 每次移动都记录子串长度,保留最大值
class Solution {
public int lengthOfLongestSubstring(String s) {
int res = 0, // 最长子串的计算结果
left = 0, // 子串起始索引
right = 0, // 子串结束索引
len = s.length(); // 字符串长度
// 1.哈希表中填充ASCII码表不包含的数值作为默认值:-1
int[] arr = new int[128];
for(int i = 0; i < arr.length; i++) arr[i] = -1;
// 2.遍历字符串的所有字符
while(right < len) {
int c = s.charAt(right);
if(arr[c] != -1) { // 检测该字符是否已出现:已出现
// 出现,则移动左指针,直接定位到上次出现的下一个索引
int start0 = arr[c] + 1;
// 2.1.使用双指针定位子串索引:左指针直接定位
left = left >= start0 ? left : start0; // 只往右不往左
}
arr[c] = right; // 无论是否重复,记录该字符最后一次出现的索引
// 3.计算子串长度,记录最大值:右索引+1 - 左索引
int size = right + 1 - left;
res = res > size ? res : size;
// 2.2.使用双指针定位子串索引:右指针始终自增
right++;
}
return res;
}
}
时间复杂度:O(n) -- 遍历字符串 O(n),定位重复字符 O(1)
空间复杂度:O(1) -- 哈希表占用固定空间 O(1) ,双指针 O(1)
执行耗时:2 ms,击败了 100% 的Java用户
内存消耗:38.7 MB,击败了 96.69% 的Java用户
自实现代码:
class Solution {
public int lengthOfLongestSubstring(String s) {
int len = 0; //字符串长度
int subLen = 0; //子串长度
//0.非空判断
if (s == null || (len = s.length()) == 0) return 0;
//1.定义哈希表,临时存储子串字符和查重
char[] hashtable = new char[128];
char[] arr = s.toCharArray();
int left = 0;
int right = 0;
//2.遍历字符串,通过双指针循环定位子串
while (left < len) {
//判断右指针在哈希表中是否存在
if (hashtable[hash(arr[right])] == '\u0000') {
//不存在,记录到哈希表,计算长度,移动右指针
hashtable[hash(arr[right])] = arr[right];
//3.每次计算子串长度,比较并保留最大值
if (subLen < (right - left + 1)) {
subLen = right - left + 1;
}
if (right < len - 1) {
right++;
}
} else {
//重复检查右指针元素是否还存在
while (hashtable[hash(arr[right])] != '\u0000') {
//若存在,删除哈希表中左指针元素,移动左指针
hashtable[hash(arr[left])] = '\u0000';
left++;
}
}
}
return subLen;
}
//定义哈希函数,对任意字符生成唯一整数值
private int hash(char c) {
return c;
}
}
执行耗时:3 ms,击败了 95.16% 的Java用户
内存消耗:38.3 MB,击败了 93.04% 的Java用户
六. Change 变形与延伸
题目变形
- (练习)使用Set集合改进暴力解法
- (练习)使用Map集合实现哈希表解法
延伸扩展
- 合理的使用双指针能将时间复杂度从 O(n2) 降低到 O(n) 级别
- 哈希表应用广泛,是非常重要的数据结构(比如 HashMap)