算法–无重复字符的最长子串
题目:
给定一个字符串,请你找出其中不含有重复字符的 最长子串 的长度。
示例 1:
输入: “abcabcbb”
输出: 3
解释: 因为无重复字符的最长子串是 “abc”,所以其长度为 3。
示例 2:
输入: “bbbbb”
输出: 1
解释: 因为无重复字符的最长子串是 “b”,所以其长度为 1。
示例 3:
输入: “pwwkew”
输出: 3
解释: 因为无重复字符的最长子串是 “wke”,所以其长度为 3。
解题:
方法1:
找出出现重复时的最大子字符长度, 记录每次开始的子字符序列,遍历每个字符时开始记录此字符开头的字符串,并补充之前的字符串,如果原字符串中已含有此字符,重新记录子字符串,并比较子字符串长度。
class Solution {
public:
int lengthOfLongestSubstring(string s) {
vector<string> data;
int max = 0;
unsigned sSize = s.size();
for(int i=0;i<sSize;i++){
bool add = true;
for (int j = 0; j < data.size(); j ++){
if(data[j].find(s[i]) != string::npos){
if (max < data[j].size())
max = data[j].size();
data[j] = s[i];
add = false;
}else{
data[j].append(1, s[i]);
}
}
if(add){
data.push_back(string(1, s[i]));
}
}
for (int i = 0; i < data.size(); i++){
if(max < data[i].size()){
max = data[i].size();
}
}
return max;
}
};
方法2:滑动窗口
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)[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)[i,j) 向右滑动 11 个元素,则它将变为 [i+1, j+1)[i+1,j+1)(左闭,右开)。
我们使用 set 将字符存储在当前窗口 [i, j)[i,j)(最初 j = ij=i)中。 然后我们向右侧滑动索引 jj,如果它不在 set 中,我们会继续滑动 jj。直到 s[j] 已经存在于 set 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 ii 这样做,就可以得到答案。
class Solution {
public:
int lengthOfLongestSubstring(string s) {
set<char> m_set;
int i=0, j=0;
int n = s.size();
int max = 0;
while(j < n && i < n){
if(m_set.find(s[j]) == m_set.end()){
m_set.insert(s[j++]);
if(j- i > max){
max = j -i;
}
}else{
m_set.erase(s[i++]);
}
}
return max;
}
};
方法3:滑动窗口优化
上述的方法最多需要执行 2n 个步骤。事实上,它可以被进一步优化为仅需要 n 个步骤。我们可以定义字符到索引的映射,而不是使用集合来判断一个字符是否存在。 当我们找到重复的字符时,我们可以立即跳过该窗口。
也就是说,如果 s[j]s[j] 在 [i, j)[i,j) 范围内有与 j’j
′
重复的字符,我们不需要逐渐增加 ii 。 我们可以直接跳过 [i,j’][i,j′] 范围内的所有元素,并将 ii 变为 j’ + 1j′ +1。
class Solution {
public:
int lengthOfLongestSubstring(string s) {
map<char, int> m_map;
int i=0, j=0;
int n = s.size();
int max = 0;
for(;j<n;j++){
if(m_map.find(s[j]) != m_map.end()){
i = m_map[s[j]];
}
if (max < j - i + 1)
max = j - i + 1;
m_map[s[j]] = j+1;
}
return max;
}
};