187. Repeated DNA Sequences

题目链接：https://leetcode.com/problems/repeated-dna-sequences/

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.

Example:

Input: s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT"

Output: ["AAAAACCCCC", "CCCCCAAAAA"]

思路一：

用两个set然后从前往后用substring取出后依次判断即可。

 AC 最初版本 21ms：

class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        Set<String> setDict=new HashSet();
        Set<String> setJudge=new HashSet();
        List<String> list=new ArrayList();
        if(s==null||s.length()<11)
            return list;
        
        for(int i=0;i<=s.length()-10;i++){
            String sub=s.substring(i,i+10);
            if(!setDict.contains(sub))
                setDict.add(sub);
            else{
                if(!setJudge.contains(sub))
                    list.add(sub);
                setJudge.add(sub);
            }     
        }
        return list;
    }
}

后来看评论区有同样的方法，利用了add的返回值，优化如下：

19ms:

class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        Set<String> setDict=new HashSet(),setJudge=new HashSet();
        for(int i=0;i<=s.length()-10;i++){
            String sub=s.substring(i,i+10);
            if(!setDict.add(sub))
                setJudge.add(sub);     
        }
        return new ArrayList<>(setJudge);
    }
}

思路二：

位操作，主要是节省空间。复杂度相同。

此题由于构成输入字符串的字符只有四种，分别是A, C, G, T，

下面我们来看下它们的ASCII码用二进制来表示：

A: 0100 0001　　C: 0100 0011　　G: 0100 0111　　T: 0101 0100

我们的目的是利用位来区分字符，当然是越少位越好，通过观察发现，每个字符的后三位都不相同

，故而我们可以用末尾三位来区分这四个字符。而题目要求是10个字符长度的串，每个字符用三位来区分，

10个字符需要30位，在32位机上也OK。为了提取出后30位，我们还需要用个mask，取值为0x7ffffff，

用此mask可取出后27位，再向左平移三位即可。

AC 15ms:

class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        Set<Integer> set=new HashSet();
        Set<String> repeat=new HashSet();
        int cur=0;
        int mask=0x7ffffff;
        if(s.length()<11)
            return new ArrayList<String>();
        for(int i=0;i<9;i++){
            cur=(cur<<3)|(s.charAt(i)&7);
        }
        for(int i=9;i<s.length();i++){
            cur=((cur&mask)<<3)|(s.charAt(i)&7);
            if(!set.add(cur))
                repeat.add(s.substring(i-9,i+1));
        }
        return new ArrayList<>(repeat);
    }
}