https://leetcode-cn.com/problems/minimum-window-substring/
解法
题意很容易理解,需要注意输入的T不会是空串,T中的字符有可能重复。对于子串问题,常用滑动窗口算法来解决
滑动窗口算法的框架如下:
int left = right = 0
while right < s.size() {
window.add(s[right])
while (window meed shrink) window.remove(s[left++])
right++;
}
在这道题中,我们始终维护一个在S上的滑动窗口,每次将right向右移动,当窗口达到目标条件(包含T中所有字符)时,试着将left向右移动,即缩小窗口,并判断窗口是否仍然达到目标条件。
判断窗口是否达到目标条件看似简单,但用代码实现起来也是挺麻烦的。用哈希表可以巧妙地完成这一任务:对窗口和T中的字符分别维护一个计数器,对于T中的所有字符,如果窗口计数器的值大于等于T计数器的值,那么达到目标条件。我们用一个match变量来记录计数达到要求的不同字符数,这样当match等于T计数器的大小时,就达到目标条件了。
代码
class Solution {
public:
string minWindow(string s, string t) {
int left = 0, right = 0;
unordered_map<char, int> window;
unordered_map<char, int> query;
for (auto& c : t) query[c]++;
int match = 0;
int start = 0, minLen = INT_MAX;
while (right < s.size()) {
char c1 = s[right];
if (query.count(c1)) {
window[c1]++;
if (window[c1] == query[c1]) match++;
}
while (match == query.size()) {
if (right - left + 1 < minLen) {
start = left;
minLen = right - left + 1;
}
char c2 = s[left++];
if (query.count(c2)) {
window[c2]--;
if (window[c2] < query[c2]) match--;
}
}
right++;
}
return minLen == INT_MAX ? "" : s.substr(start, minLen);
}
};
复杂度分析
总的时间复杂度为 O ( m + n ) O(m + n) O(m+n),m和n分别是S和T的长度,创建T计数器的时间复杂度是 O ( n ) O(n) O(n),之后通过双指针最多遍历S两次,时间复杂度 O ( m ) O(m) O(m)。空间复杂度为 O ( n ) O(n) O(n)。