[LeetCode] 187. Repeated DNA Sequences 解题思路

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"].

问题：给定一个字符串序列，代表 DNA 序列，求其中有重复出现的长度为 10 的子序列。

题目中的例子都是不重叠的重复字串，实际上相互重叠的字串也是要统计进去，例如11位的 "AAAAAAAAAA" 就包含两个长度为 10 的"AAAAAAAAAA" 的重复子序列。这一点是题目没有说清楚的。

明确题目后，实现思路也比较简单：

• 将 s 中所有长度为 10 的连续子字符串放入 map<string, int> ss_cnt 中，数各个连续字符串出现的的次数
• 将 [0, 9] 视为窗口，将 ss_cnt 中窗口字符串对于的 value 减 1 ，然后判断 ss_cnt 中是否还存在一个 窗口字符串， 若存在则表示窗口字符串是重复的。
• 将窗口向右移动一个，继续重复第二步，直至窗口移至最右端

 1     /**
 2      * 重复子字符串 可以重叠。
 3      */
 4     vector<string> findRepeatedDnaSequences(string s) {
 5         unordered_set<string> res;
 6         
 7         unordered_map<string, int> ss_cnt;
 8         
 9         int len = 10;
10         
11         for (int i = 0; i + len -1 < s.size(); i++) {
12             string str = s.substr(i, len);
13             ss_cnt[str]++;
14         }
15         
16         int i = 0 ;
17         while (i + len - 1 < s.size()) {
18             
19             string cur = s.substr(i, len);
20             ss_cnt[cur]--;
21             
22             if (ss_cnt[cur] > 0) {
23                 res.insert(cur);
24             }
25             
26             ss_cnt[cur]++;
27             i++;
28         }
29         
30         vector<string> result;
31         
32         unordered_set<string>::iterator s_iter;
33         for (s_iter = res.begin(); s_iter != res.end(); s_iter++) {
34             result.push_back(*s_iter);
35         }
36         
37         return result;
38     }