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 最小覆盖子串，我们先来看题面：
https://leetcode-cn.com/problems/minimum-window-substring/
Given a string S and a string T, find the minimum window in S which will contain all the characters in T in complexity O(n).
题意
给你一个字符串 S、一个字符串 T 。请你设计一种算法，可以在 O(n) 的时间复杂度内，从字符串 S 里面找出：包含 T 所有字符的最小子串。
样例
输入：S = "ADOBECODEBANC", T = "ABC"
输出："BANC"
提示：
如果 S 中不存这样的子串，则返回空字符串 ""。
如果 S 中存在这样的子串，我们保证它是唯一的答案。
解题
https://www.cnblogs.com/techflow/p/13082977.html
分析
我们来分析一下这个问题，从题意当中大家应该都能感受到它的难度。因为上来题目当中就限定了我们使用的算法的复杂度必须是，然而我们遍历字符串的复杂度就已经是
了，也就是说我们不能引入额外的计算开销，否则一定不满足题目的要求。
可能有些同学会想到传说中在时间内判断字符串匹配的KMP算法，如果你不知道这个算法也没有关系，因为这个算法并不适用。因为我们要找的不是完全相等的子串的位置，而是找的是字符构成一样的子串，所以并不能通过引入字符串匹配算法来解决。没有学过KMP算法的同学可以松一口气了，这题当中并不会引入新的算法。
解题的套路
一般来说当我们面临一个算法问题的时候，我们常常的思考过程主要有两种。一种是适配，说白了就是把可能可以用上的算法往问题上套。根据题意先感觉一下，大概会用到什么样的算法，然后详细地推导适配的过程，看看是不是真的适用或者是有什么坑，或者是会出现什么新的问题。如果一切OK，能够推理得通，那么这个算法就是解。第二种方法是建模，也就是说从题意入手，对题意进行深入的分析，对问题进行建模和抽象，找到问题的核心，从而推导出用什么样的算法可以解决。
举个很简单的例子，一般来说我们的动态规划算法都是适配。都是我们先感觉或者是猜测出可以使用动态规划，然后再去找状态和转移，最后建立状态转移方程。而一些搜索问题一般是建模，我们先对问题进行分析，然后找出需要搜索的解的存在空间，然后设计算法去搜索和剪枝，最后找到答案。
据说一些顶级高手这两种方法是一起使用的，所以才可以那么快速地找到解。当然我不是顶级高手，所以这个也只是我的猜测。这个思考过程非常有用，特别是当我们面试的时候，遇到一个从未见过的问题，如果你什么套路也没有，头脑一片空白或者是苦思冥想不得要领是很常见的事情。当你有了套路之后，你就可以试着慢慢找到答案了。
回到这道题本身，我们刚才已经试过了，拿字符串匹配的算法网上套是不行的。在视野里似乎也没有其他的算法可以套用，所以我们换一种思路，试试看建模。
首先我们可以肯定一点，我们需要在遍历的时候找到答案，这样才可以保证算法的复杂度是。我们的目标是寻找子串，也就是说我们遍历的过程应该对应一个子串，并且我们有方法可以快速判断这个子串是否合法。这样我们才可以做到遍历的同时判断答案的可行性。进而可以想到这是一个区间维护的问题，区间维护我们经常使用的方法就是two pointers。所以我们可以试试two pointers能否适用。
实际上这道题的正解就是two pointers。
题解
我们维护了一个区间，我们需要判断区间里的字符构成，这个很容易想到可以使用dict，维护每一个字符出现的次数。在这个题目当中，我们只需要考虑覆盖的情况，也就是说字符多了并不会构成非法。所以我们可以维护一个dict，每次读入一个字符更新它，当dict当中的字符满足要求的时候，为了使得区间长度尽量短，我们可以试着移动区间的左侧，尽量缩短区间的长度。
从区间维护的角度来说，我们每次移动区间右侧一个单位，只有当区间内已经满足题意的时候才会移动左侧。通过移动左侧弹出元素来获取能够满足题意的最佳区间。
我们来看下主要的流程代码：
# 存储区间内的字符
segement = {}
for i in range(n):
segement[s[i]] += 1
# 当满足条件的时候移动区间左侧
while l <= i and satisified(segment):
# 更新最佳答案
if i - l + 1 < ans_len:
ans_len = i - l + 1
beg, end = l, i + 1
# 弹出元素
segement[s[l]] -= 1
l += 1
到这里还有一个小问题，就是怎么样判断这个segment是否合法呢？我们可以用一个数字matched来记录目前已经匹配上的字符的数量。当某个字符在segment当中出现的次数和T中的次数相等的时候，matched加一。当matched的数量和T中字符种类的数量相等的时候，就可以认为已经合法了。
我们把所有的逻辑串起来，就可以通过这题了。
class Solution:
def minWindow(self, s: str, t: str) -> str:
from collections import Counter, defaultdict
# 通过Counter直接获取T当中的字符构成
counter = Counter(t)
n, m = len(s), len(counter)
l, beg, end = 0, 0, 0
cur = defaultdict(int)
matched = 0
flag = False
# 记录合法的字符串的长度
ans_len = 0x3f3f3f3f
for i in range(n):
if s[i] not in counter:
continue
cur[s[i]] += 1
# 当数量匹配上的时候，matched+1
if cur[s[i]] == counter[s[i]]:
matched += 1
# 如果已经找到了合法的区间，尝试缩短区间的长度
while l <= i and matched == m:
if i - l + 1 < ans_len:
flag = True
beg, end = l, i+1
ans_len = i - l + 1
# 弹出左侧元素
c = s[l]
if c in counter:
cur[c] -= 1
if cur[c] < counter[c]:
matched -= 1
l += 1
return "" if not flag else s[beg: end]
总结
到这里，这道题就算是解决了。很多同学可能会觉得疑惑，为什么我们用到了两重循环，但是它依然还是的算法呢？
这个是two pointers算法的常见问题，也是老生常谈的话题了。我们在分析复杂度的时候，不能只简单地看用到了几层循环，而是要抓住计算的核心。比如在这个问题当中，我们内部的while循环针对的变量是l，l这个变量对于i整体是递增的。也就是说无论外面这个循环执行多少次，里面的这个while循环一共最多累加只能执行n次。那么，当然这是一个的算法。
好了，今天的文章就到这里，如果觉得有所收获，请顺手点个在看或者转发吧，你们的支持是我最大的动力。
上期推文：
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
