LeetCode——76. 最小覆盖子串

一、题目

给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串，则返回空字符串 “” 。

注意：

对于 t 中重复字符，我们寻找的子字符串中该字符数量必须不少于 t 中该字符数量。
如果 s 中存在这样的子串，我们保证它是唯一的答案。

来源：力扣（LeetCode）
链接：https://leetcode.cn/problems/minimum-window-substring/description/

二、C++解法

我的思路及代码

滑动窗口

采用 left 和 right 来维护窗口当前的大小，两个 map 为 need 和 win 分别维护当前字串中所含有的各个字符的个数和当前窗口中含有目标字符的个数，valid 来维护当前窗口内满足需求的字符个数。总体思路为，不断扩大 right ，当 valid = need 的大小时，就说明此时的子串已经满足了需求，然后我们更新需要返回的子串起始坐标和长度，然后开始增大 left 来缩小窗口，直到不符合需求，不断重复这一步骤，直到 right 到 s 的边界。

class Solution {
public:
    string minWindow(string s, string t) {
        unordered_map<char,int> need,win;
        int left,right;
        int valid=0;
        int start=0;
        int len = INT_MAX;
        left = right = 0;

        for(char c:t)
            need[c]++;

        //滑动窗口，直到右指针出界
        while(right<s.size()){
            //移动右指针，不断扩大窗口，直到满足条件
            char c = s[right];
            right++;
            if(need.count(c)){
                win[c]++;
                if(need[c]==win[c])
                    valid++;
            }

            //减小窗口，直到不满足条件
            while(valid == need.size()){
                //更新子串
                if(right-left<len){
                    start = left;
                    len = right-left;
                }

                char d = s[left];
                left++;
                //更新窗口和need中的情况
                if(need.count(d)){
                    if(need[d]==win[d])
                        valid--;
                    win[d]--;
                }
            }
        }
        return len==INT_MAX?"":s.substr(start,len);
    }
};

• 时间复杂度：最坏情况下左右指针对 s 的每个元素各遍历一遍，哈希表中对 s 中的每个元素各插入、删除一次，对 t 中的元素各插入一次。每次检查是否可行会遍历整个 t 的哈希表，哈希表的大小与字符集的大小有关，设字符集大小为 C，则渐进时间复杂度为 O(C⋅∣s∣+∣t∣)
• 空间复杂度：这里用了两张哈希表作为辅助空间，每张哈希表最多不会存放超过字符集大小的键值对，我们设字符集大小为 C ，则渐进空间复杂度为 O(C)

官方参考代码

class Solution {
public:
    unordered_map <char, int> ori, cnt;

    bool check() {
        for (const auto &p: ori) {
            if (cnt[p.first] < p.second) {
                return false;
            }
        }
        return true;
    }

    string minWindow(string s, string t) {
        for (const auto &c: t) {
            ++ori[c];
        }

        int l = 0, r = -1;
        int len = INT_MAX, ansL = -1, ansR = -1;

        while (r < int(s.size())) {
            if (ori.find(s[++r]) != ori.end()) {
                ++cnt[s[r]];
            }
            while (check() && l <= r) {
                if (r - l + 1 < len) {
                    len = r - l + 1;
                    ansL = l;
                }
                if (ori.find(s[l]) != ori.end()) {
                    --cnt[s[l]];
                }
                ++l;
            }
        }

        return ansL == -1 ? string() : s.substr(ansL, len);
    }
};

• 时间复杂度：最坏情况下左右指针对 s 的每个元素各遍历一遍，哈希表中对 s 中的每个元素各插入、删除一次，对 t 中的元素各插入一次。每次检查是否可行会遍历整个 t 的哈希表，哈希表的大小与字符集的大小有关，设字符集大小为 C，则渐进时间复杂度为 O(C⋅∣s∣+∣t∣)
• 空间复杂度：这里用了两张哈希表作为辅助空间，每张哈希表最多不会存放超过字符集大小的键值对，我们设字符集大小为 C ，则渐进空间复杂度为 O(C)