187. 重复的DNA序列

187. 重复的DNA序列

题目描述

所有 DNA 都由一系列缩写为 'A'，'C'，'G' 和 'T' 的核苷酸组成，例如："ACGAATTCCG"。在研究 DNA 时，识别 DNA 中的重复序列有时会对研究非常有帮助。

编写一个函数来找出所有目标子串，目标子串的长度为 10，且在 DNA 字符串 s 中出现次数超过一次。

示例 1：

输入：s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT"
输出：["AAAAACCCCC","CCCCCAAAAA"]

示例 2：

输入：s = "AAAAAAAAAAAAA"
输出：["AAAAAAAAAA"]

提示：

• 0 <= s.length <= 10^5
• s[i] 为 'A'、'C'、'G' 或 'T'

---

题解：

哈希表。

记录每个长度为 10 的子串出现的次数，出现大于 1 次的就是答案。

有两种选择：

• 哈希表直接存储字符串
• 哈希表存储字符串哈希值

时间复杂度：$O(n)$

额外空间复杂度：$O(n)$

保存字符串：

class Solution {
public:
    vector<string> findRepeatedDnaSequences(string s) {
        int n = s.size();
        if( n <= 10 ) return {};
        unordered_map<string, int> hash;
        string t;
        vector<string> ret;
        for( int i = 0; i + 9 < n; ++i ) {
            t = s.substr(i, 10);
            ++hash[t];
            if( hash[t] == 2 )
                ret.emplace_back( move(t) );
        }
        return ret;
    }
};
/*
时间：80ms，击败：62.91%
内存：22.8MB，击败：44.46%
*/

保存字符串哈希值：

class Solution {
    using ULL = unsigned long long;
public:
    vector<string> findRepeatedDnaSequences(string s) {
        int n = s.size();
        if( n <= 10 ) return {};

        const ULL P = 131;

        ULL gap = 1, now = s[0];
        for( int i = 1; i < 10; ++i ) {
            gap *= P;
            now = now * P + s[i];
        }
        unordered_map<ULL, int> hash;
        hash[now] = 1;
        vector<string> ret;
        for( int i = 10; i < n; ++i ) {
            now = ( now - s[i - 10] * gap ) * P + s[i];
            ++hash[now];
            if( hash[now] == 2 )
                ret.emplace_back( move(s.substr(i - 9, 10)) );
            
        }
        return ret;
    }
};
/*
时间：48ms，击败：92.46%
内存：17.1MB，击败：79.86%
*/