给定一个字符串,找出不含有重复字符的最长字串的长度
示例1:
输入: "abcabcbb"
输出: 3
解释: 无重复字符的最长子串是 "abc",其长度为 3。
示例2:
输入: "bbbbb"
输出: 1
解释: 无重复字符的最长子串是 "b",其长度为 1。
示例3:
输入: "pwwkew"
输出: 3
解释: 无重复字符的最长子串是 "wke",其长度为 3。
请注意,答案必须是一个子串,"pwke" 是一个子序列 而不是子串。
解决方案:
方法一:暴力法(最方便,最通俗,最容易理解,最符合正常人的思维)
思路:逐个检查所有的字符串,看它是否不含有重复的字符
算法:假设我们有一个函数boolean allUnique(String subString),如果子字符串的字符都是唯一的,它会返回true,否则会返回false。我们可以遍历给定字符串s的所有可能的子字符串并调用函数allUnique。如果事实证明返回值为true,那么我们将会更新无重复字符字串最大长度的答案。
- 为了枚举给定字符串的所有子字符串,我们需要枚举它们开始和结束的索引。假设开始和结束的索引分别为i和j。那么我们有0<=i<j<=n(这里的结束索引j是按惯例排除的)。因此,使用i从0到n-1以及从i+1到n这两个嵌套的循环,我们可以枚举出所有的子字符串。
- 要检查一个字符串是否含有重复字符,我们可以使用集合。我们遍历字符串中的所有字符,并请将他们逐个放入set中。在放置一个字符之前,我们检查该集合是否已经包含它,如果包含我们会返回false。循环结束后,我们返回true。
public class Solution {
public int lengthOfLongestSubstring(String s) {
int n = s.length();
int ans = 0;
for (int i = 0; i < n; i++)
for (int j = i + 1; j <= n; j++)
if (allUnique(s, i, j)) ans = Math.max(ans, j - i);
return ans;
}
public boolean allUnique(String s, int start, int end) {
Set<Character> set = new HashSet<>();
for (int i = start; i < end; i++) {
Character ch = s.charAt(i);
if (set.contains(ch)) return false;
set.add(ch);
}
return true;
}
}
复杂度分析
- 时间复杂度:O(n^3)
- 空间复杂度:O(min(n,m))
方法二:滑动窗口
在暴力法中,我们会反复检查一个子字符串是否含有有重复的字符,但这是没有必要的。如果从索引 i到 j−1 之间的子字符串 sij 已经被检查为没有重复字符。我们只需要检查 s[j] 对应的字符是否已经存在于子字符串 sij 中。
通过使用 HashSet 作为滑动窗口,我们可以用 O(1) 的时间来完成对字符是否在当前的子字符串中的检查。
滑动窗口是数组/字符串问题中常用的抽象概念。 窗口通常是在数组/字符串中由开始和结束索引定义的一系列元素的集合,即 [i, j)(左闭,右开)。而滑动窗口是可以将两个边界向某一方向“滑动”的窗口。例如,我们将 [i,j) 向右滑动 11 个元素,则它将变为 [i+1, j+1)(左闭,右开)。
回到我们的问题,我们使用 HashSet 将字符存储在当前窗口 [i,j)(最初 j=i)中。 然后我们向右侧滑动索引 j,如果它不在 HashSet 中,我们会继续滑动 j。直到 s[j] 已经存在于 HashSet 中。此时,我们找到的没有重复字符的最长子字符串将会以索引 ii 开头。如果我们对所有的 i 这样做,就可以得到答案。
public class Solution {
public int lengthOfLongestSubstring(String s) {
int n = s.length();
Set<Character> set = new HashSet<>();
int ans = 0, i = 0, j = 0;
while (i < n && j < n) {
// try to extend the range [i, j]
if (!set.contains(s.charAt(j))){
set.add(s.charAt(j++));
ans = Math.max(ans, j - i);
}
else {
set.remove(s.charAt(i++));
}
}
return ans;
}
}
复杂度分析
- 时间复杂度:O(2n)=O(n),在最糟糕的情况下,每个字符将被i和j访问两次
- 空间复杂度:O(min(m,n)),与之前的方法相同。滑动窗口法需要O(k)的空间,其中k表示Set的大小。而Set的大小取决于字符串n的大小以及字符集/字母m的大小