LeetCode 030 Substring with Concatenation of All Words

题目要求：

给出

string s（设长度为n）

vector<string> words （设有m个string）

其中words中的string均为相同长度，要求在s中找出所有满足如下条件的子串位置：

子串为words中所有字符串以任意次序排列后拼接的结果。

注意words中所有字符串都为相同的长度（设为wordLen），所以其中每个字符串都不是其它字符串的真前缀。因此判断s中的某个子串是否满足要求就很简单，可以扫描该子串的每wordLen个字符，是否与每个words中的字符串匹配，并记录words中字符串被匹配的次数。如果被匹配的次数与实际在words中出现的次数相符的话就认为该子串是满足要求的，反之亦然。

如果words中字符串的长度不固定的话这种方法显然是不对的，因为当words中一个字符串是另一个的真前缀时，遇到s中子串出现的相同前缀时怎么办呢？例如：

s="foobarbarfoo"

words=["foo","foobar","bar"]

正确的匹配应该是s[0]..s[5]对"foobar"，s[6]..s[8]对"bar"，s[9]..s[11]对"foo"

可是如果优先匹配短的字符串，s[0]..s[2]与"foo"匹配，那么匹配无法进行下去。

那如果优先匹配长的字符串呢？再举个反例：

s="foobarbarfoobar"

words=["foo","foobar","barbar"]

会产生s[0]..s[5]与"foobar"匹配，匹配无法进行下去。

所以words中字符串长度固定是一个重要的性质。

那么一个初级的算法就产生了：

算法一：

枚举s中固定长度的子串的起始位置，判断每个子串是否满足要求。那么每个子串中有m个wordLen长度的子串，每wordLen个字符要与m个字符串测试是否匹配，逐字符测试是否匹配的时间复杂度是O(wordLen)，所以总的时间复杂度为O(n*m*m*wordLen)。

这个时间复杂度看起来有点吓人，但是可以想到没必要和每个words中的字符串都测试是否匹配，因为我们有hashmap（unordered_map）。这就得出算法二：

算法二：

1、先把words中的m个字符串都放到hashmap中。计算每个字符串hash值的时间复杂度认为是O(wordLen)。所以这一步的时间复杂度是O(m*wordLen)。

2、枚举s中固定长度的子串的起始位置，判断每个子串是否满足要求。那么每个子串中有m个wordLen长度的子串。将每个wordLen长度的子串在hashmap中查找并计数。如果words中的字符串都消耗完的话就保存这个起始位置。时间复杂度为O(n*m*wordLen)。

所以总时间复杂度为O(n*m*wordLen)。

同时注意实现上的细节：对于hashmap的查找应该使用尽量少的次数。

C++实现以后在LeetCode上运行时间为664ms，击败49.56%的C++提交。

思考一下是什么占用时间？每次在hashmap中查找都要把子串提取出来，建立新string临时变量。同时hashmap的参数传递也会产生开销。那么我就想到了自己实现一个数据结构——字典树。字典树对查找很快，并且容易实现。当然hashmap也可以自己简单实现，但是对hash conflict处理比较麻烦。

算法三：

1、先把words中的m个字符串都放到字典树中。这一步的时间复杂度是O(m*wordLen)。

2、枚举s中固定长度的子串的起始位置，判断每个子串是否满足要求。那么每个子串中有m个wordLen长度的子串。将每个wordLen长度的子串在字典树中查找并计数。如果words中的字符串都消耗完的话就保存这个起始位置。时间复杂度为O(n*m*wordLen)。

C++实现以后在LeetCode上运行时间为68 ms，击败69.94%的C++提交。

但是还有一个地方很耗费时间：

设

s="aaaabbbbaaaabbbbcccc"

words=["aaaa","bbbb","cccc"]

枚举起始位置，判断每个子串是否满足要求。s中间的aaaa要在字典树中查找3次！当起始位置是0，查找一次，当起始位置是4、8时，我们已经知道中间的aaaa都是在子串里了，就没有必要再去查找它了。这就是滑动窗口思想。

窗口先在s[0]..s[7]，然后滑到s[4]..s[11]，最后滑到s[8]..s[15]。在滑动过程中，s中间的aaaa只需要被查找一次。

然后在枚举窗口的起始位置即可。这里窗口可以在s[0]，s[1]，s[2]，s[3]起始。

算法四：

1、先把words中的m个字符串都放到字典树中。这一步的时间复杂度是O(m*wordLen)。

2、枚举s中固定长度的子串的起始位置对wordLen取模的值，从0到wordLen-1。然后计算滑动窗口在初始位置时，窗口里面中的起始值，即words中m’个字符串各自的出现次数（设有m‘个互相不重复的字符串），并记录满足要求的不重复的字符串个数。当窗口滑动时，对滑出的子串记录出现次数减1，对滑入的子串记录出现次数加1。如果出现次数相符变为次数不相符，记录满足要求的不重复的字符串个数减1；如果出现次数不相符变为相符，记录满足要求的不重复的字符串个数加1。当窗口滑到某个位置时，满足要求的不重复的字符串个数等于m'，则保留窗口起始位置。

这么做的时间复杂度是O(n*wordLen) 。因为我们从不同的起始位置滑动了wordLen个窗口，每次s中的字符都最多被访问两次：进入窗口和退出窗口。

C++与字典树配合实现在LeetCode上的运行时间是24 ms，击败了95.75%的C++提交。