思路:map映射+滑动窗口(自己思路+gpt代码调试)
分别定义两个map。第一个map记为tCount,用于保存子串t的映射;第二个map记为windowCount用于保存当前窗口内的字符映射。初始化双指针l,r分别为0,用于记录当前窗口边界。
第一步:先更新windowCount,直至其包含t中的所有字符
第二步:开始不断尝试收缩左边界,看是否影响windowCount包含整个子串,如果不影响则继续收缩,影响就先停止收缩。然后通过左移r,来使windowCount重新包含整个子串,重复该过程,直至完全收缩。在每次重新包含整个子串时都要对最小长度进行更新,并且记录该子串的起始位置。
#include <iostream>
#include <vector>
#include <string>
#include <unordered_map>
#include <limits>
using namespace std;
class Solution {
public:
string minWindow(string s, string t) {
unordered_map<char, int> tCount;
for (char c : t) {
tCount[c]++;
}
// map.size返回的是map中的映射对数,所以才能比较
int required = tCount.size();
int l = 0, r = 0;
int formed = 0;
unordered_map<char, int> windowCount;
int minLength = s.size()+10;
int minLeft = 0;
while (r < s.size()) {
char c = s[r];
windowCount[c]++;
if (tCount.count(c) && windowCount[c] == tCount[c]) {
formed++;
}
// 当前窗口已经拥有所有字串
while (l <= r && formed == required) {
c = s[l];
// Update the minimum window
if (r - l + 1 < minLength) {
minLength = r - l + 1;
minLeft = l;
}
windowCount[c]--;
if (tCount.count(c) && windowCount[c] < tCount[c]) {
formed--;
}
l++;
}
r++;
}
return minLength == s.size()+10 ? "" : s.substr(minLeft, minLength);
}
};
时间复杂度:O(n),即遍历整个s字符串
空间复杂度; O(m),保存子串t的哈希映射