《LeetCode之每日一题》:172.重复的DNA序列

题目链接： 重复的DNA序列

有关题目

所有 DNA 都由一系列缩写为 'A'，'C'，'G' 和 'T' 的核苷酸组成，例如："ACGAATTCCG"。
在研究 DNA 时，识别 DNA 中的重复序列有时会对研究非常有帮助。

编写一个函数来找出所有目标子串，
目标子串的长度为 10，且在 DNA 字符串 s 中出现次数超过一次。

示例 1：

输入：s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT"
输出：["AAAAACCCCC","CCCCCAAAAA"]

示例 2：

输入：s = "AAAAAAAAAAAAA"
输出：["AAAAAAAAAA"]

提示：

0 <= s.length <= 10^5
s[i] 为 'A'、'C'、'G' 或 'T'

题解

法一：哈希表

class Solution {
	//const int L = 10;方便结构化管理
public:
    vector<string> findRepeatedDnaSequences(string s) {
    	vector<string> ans;
        int n = s.size();
        if (n <= 10)
        	return ans;
        
        unordered_map<string, int> mp;
        for (int i = 0; i <= n - 10; ++i)
        {
            string str = s.substr(i, 10);
            if (++mp[str] == 2)
                ans.push_back(str);
        }
        return ans;
    }
};

法二：位运算 + 哈希表 + 滑动窗口
参考官方题解
Tips

s.size()的返回值是无符号整数,计算的为s的长度，不是大小。
s.size() -  10，计算完结果则会变为无符号的整数，有符号整数中的负数转化为无符号整数可能会很大。

class Solution {
    const int L = 10;
    unordered_map<char, int> bin = {{'A', 0}, {'C', 1}, {'G', 2}, {'T', 3}};
public:
    vector<string> findRepeatedDnaSequences(string s) {
        vector<string> ans;
        int n = s.size();
        if (n <= L)
            return ans;
        
        int x = 0;
        for (int i = 0; i < L - 1; ++i)
        {
            x = (x << 2) | bin[s[i]];
        }

        unordered_map<int, int> cnt;
        for (int i = 0; i <= n - L; ++i)
        {
            x = ((x << 2) | bin[s[i + L - 1]]) & ((1 << L * 2) - 1);
            if (++cnt[x] == 2)//防止了多次添加重复的元素
                ans.push_back(s.substr(i, L));
        }
        
        return ans;
    }
};