算法的重要性，我就不多说了吧，想去大厂，就必须要经过基础知识和业务逻辑面试+算法面试。所以，为了提高大家的算法能力，这个公众号后续每天带大家做一道算法题，题目就从LeetCode上面选 ！
今天和大家聊的问题叫做 串联所有单词的子串，我们先来看题面：
https://leetcode.com/problems/substring-with-concatenation-of-all-words/
You are given a string s and an array of strings words of the same length. Return all starting indices of substring(s) in s that is a concatenation of each word in words exactly once, in any order, and without any intervening characters.
You can return the answer in any order.
题意
给定一个字符串 s 和一些长度相同的单词 words。找出 s 中恰好可以由 words 中所有单词串联形成的子串的起始位置。
注意子串要与 words 中的单词完全匹配，中间不能有其他字符，但不需要考虑 words 中单词串联的顺序。
样例
示例 1：
输入：
s = "barfoothefoobarman",
words = ["foo","bar"]
输出：[0,9]
解释：
从索引 0 和 9 开始的子串分别是 "barfoo" 和 "foobar" 。
输出的顺序不重要, [9,0] 也是有效答案。
示例 2：
输入：
s = "wordgoodgoodgoodbestword",
words = ["word","good","best","word"]
输出：[]
题解
这道题的难度是Hard，老实讲的确不简单，尤其是如果在面试当中被问到，恐怕很难一下想出最佳答案。
暴力
还是老规矩，我们退而求其次，忘了最佳答案这茬，先想出简单的方法再来思考怎么优化。最简单的方法当然是暴力，我们首先遍历所有的起始位置，然后后面一个单词一个单词的匹配。如果成功匹配就记录答案，失败的话则继续搜索下一个位置。
这么做看起来没有问题，但是一些细节需要注意。比如题目当中只说单词的长度一样，并没有说单词会不会重复。显然我们应该考虑单词出现重复的情况，既然要考虑单词出现重复，那么就不能用一个set来记录单词是否出现过，而是需要统计每个单词出现的个数。其次，我们在遍历的时候，也一样，也需要统计当前匹配到的单词的数量。
这道题暴力的思路还是比较清晰的，代码也不难写：
class Solution:
def findSubstring(self, s: str, words: List[str]) -> List[int]:
n = len(s)
# 单词不存在直接返回
if len(words) == 0:
return []
ret = []
word_cnt = len(words)
m = len(words[0])
words_dict = {}
# 初始化，记录词表
for word in words:
words_dict[word] = words_dict.get(word, 0) + 1
# 枚举开始的位置
for i in range(n):
cur_dict = {}
matched = 0
# 每次遍历一个单词
for start in range(i, n, m):
w = s[start: start+m]
# 如果单词存在，并且当前匹配的数量小于目标，则进行记录
if w in words_dict and cur_dict.get(w, 0) < words_dict[w]:
cur_dict[w] = cur_dict.get(w, 0) + 1
matched += 1
else:
break
# 所有单词已经匹配
if matched == word_cnt:
ret.append(i)
break
return ret
我们来分析一下这个算法的复杂度，我们在搜索的时候用到了两层循环。外层的循环遍历了所有的长度，内层的循环则是一个单词一个单词地枚举，在极端情况下依旧可以遍历完整个字符串，复杂度是nmnm。但是由于m是常数，并且极端情况下等于1，所以整个算法的最坏的时间复杂度依然是O(n²) .
这题官方卡的不严，即使是暴力的方法也可以通过。如果是在正规的算法竞赛当中，一定会卡时间，暴力的方法肯定是无法通过的。所以我们必须要进行优化。
在阐述优化方案之前，我们先来做一个仔细的分析。在这题当中，由于我们需要找到所有满足条件的答案，那么显然我们需要把所有可能的情况都遍历完。也就是说遍历是免不了的，在这题当中我们肯定不可能自己生成出答案，一定需要遍历。说白了，遍历所有情况的思路是对的，我们要做的并不是寻找新的方法，而是对它进行优化。
明白了前进的方向，就可以继续往下思考第二个问题了。究竟在暴力方法当中是哪里有问题，导致了大量消耗时间，哪里可以进行优化呢？
理一下思路不难想明白，会出现重复的情况只有两种。下面我们来列举一下，为了方便观看和理解， 我用[]表示一个单词，通过[]内的不同数字，表示不同的单词。
...[1][2][3]....[1][2][3]....，这种情况最容易想到。在一个正确答案后面一段距离之后还有另一个正确答案，由于我们每次找到正确答案就退出了，所以又需要遍历很多次才可以找到下一个答案。
....[1][2][1][2][3]....，这种情况当中，我们在找到了前面第一个错误的[1][2]之后，由于发现不对，所以退出了循环。接下来我们要遍历2m次（单词长度为m），才可以找到[1][2][3]这个答案。要是当时我们可以将错就错继续往下搜索，就可以直接找到答案了。
把上面两点综合一下，优化的方案其实已经很清楚了。就是不管是我们找到了答案还是没找到答案，遇到了问题，我们都不应该退出，我们应该继续搜索其他潜在的答案。
优化1
所以我们就得到了第一个优化，既然我们每次不论成功与否都会遍历结束，而且我们每一次遍历的时候，都会获取m长度的字符串和词库进行比较。那么我们在遍历起始位置的时候，就不用遍历n的长度了，而只需要遍历m个长度。
举个例子，比如说s='abcgoodgoodgirl'，词库是['good', 'girl']。
我们第一次遍历a，可以获得这些单词：abcg, oodg, oodg, irl
第二次遍历遍历b，得到的单词是：a, bcgo, odgo, odgi, rl
第三次遍历c，单词是：ab, cgoo, dgoo, dgir, l
最后是遍历g，单词是：abc, good, good, girl
这样我们只需要遍历4次，就可以获取所有的单词组合。也就是说我们先获取所有的单词组合之后，再从这些组合当中寻找答案。所以我们将最外层的循环次数从n降到了m。
优化2
依然参考上面的例子，我们可以发现在上面4次遍历当中，只有最后一次能找到答案。我们单独来看这次的遍历内容：abc, good, good, girl。由于词库是['good', 'girl']，我们在遍历这个单词组合的时候，会遇到两个good，这和我们的逾期不符。按照正常的思路来看，我们应该跳过，然后将记录的答案清空，从下一个单词处开始遍历。
这当然是可以的，但是实际上，这个问题有更好的解法。如果对two pointers算法熟悉的同学，会发现这是一个经典的two pointers算法的应用场景。我们要找的是一个若干个连续的单词组成的区间，那么我们可以用两个指针维护这个区间。当我们右侧读入一个额外的单词导致数量超界的时候，应该怎么办？很简单，我们可以移动左侧边界，弹出掉一些单词，直到数量满足要求。
我们把上面的思路整理一下，就可以写出代码了：
class Solution:
def findSubstring(self, s: str, words: List[str]) -> List[int]:
n = len(s)
if len(words) == 0:
return []
# 初始化的部分和之前一样
ret = []
word_cnt = len(words)
m = len(words[0])
words_dict = {}
for word in words:
words_dict[word] = words_dict.get(word, 0) + 1
# 只遍历[0, m)
for i in range(m):
cur_dict = {}
# l和r表示当前的区间两侧端点
l = i
matched = 0
for r in range(i, n, m):
# 获取当前的单词
word = s[r: r+m]
# 如果单词不在词库当中，清空之前的数据
if word not in words_dict:
# l赋值成下一个开始的r
l = r + m
# 所有匹配记录清空
matched = 0
cur_dict = {}
continue
# 记录单词
cur_dict[word] = cur_dict.get(word, 0) + 1
matched += 1
# 如果数量超界的话，就弹出左侧
while cur_dict[word] > words_dict[word]:
w = s[l: l+m]
cur_dict[w] -= 1
matched -= 1
l += m
# 如果匹配数量一致，则记录答案，也就是l的位置
if matched == word_cnt:
ret.append(l)
return ret
代码不长，但是里面的细节还是不少的，关于边界的处理以及一些运算的逻辑，真正想要一口气写正确还是很有挑战的。感兴趣的同学可以试试看，在不参考我代码的情况下，能不能一次写通过。
这道题给我最大的感受是从表面上看，它似乎是一道字符串匹配的问题。会引导我们往各种字符串匹配的算法上去思考，但其实它是一个遍历优化的问题。这道题在LeetCode当中评分不高，很多人给了差评，也许就是因为许多人被出题人骗了吧。但是我觉得它很有意思，也很锻炼人，不是那种无脑折磨人的题。毕竟在算法竞赛当中出题人”欺骗“选手是常有的事，这也是算法的魅力之一。
觉得有所收获，请顺手点个在看或者转发吧，你们的举手之劳对我来说很重要。
上期推文：
648
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
