leetcode刷题日记-1044. 最长重复子串

• 题目描述：
  给你一个字符串 s ，考虑其所有重复子串 ：即，s 的连续子串，在 s 中出现 2 次或更多次。这些出现之间可能存在重叠。
  返回 任意一个 具有最长长度的重复子串。如果 s 不含重复子串，那么答案为 “” 。

• 示例：
  输入：s = “banana”
  输出：“ana”
  输入：s = “abcd”
  输出：""
  2 <= s.length <= 3 * 104
  s 由小写英文字母组成

• 解析，这道题目的难度指数为困难，也确实很难，考的知识点很多，但是其实每个知识点都不难，难得是如何想到这些知识点以及如果组合这些知识技巧。这种困难的题目一般都是考优化，暴力破解基本是不可能通过的，一般都要进行优化。暴力破解虽然肯定通过不了，但是这是我们考虑问题、进行优化的出发点，所以如果不是一眼就能看出这道题怎么优化，还是需要从暴力破解出发。

• 第一步，如何暴力破解呢？我们考虑到题目 给你一个字符串 s ，考虑其所有连续子串中重复的，并且返回最长的那个。首先字符串s最长的子串是其本身，但是没有重复，所以不满足题意，没有重复子串的情况很好判断，如len(set(s)==len(s)即可判断，这种情况我们先不考虑。我们考虑有重复子串的情况，那么其长度范围为(1, n-1)，其中n为字符串s的长度，那么我们暴力破解的思路就来了，我们再将问题简化：假设给定一个定长k，假设这个定长的子串一定重复，返回s中出现的第一个子串。这个题目是不是就很容易想到滑动窗口来解决，即固定一个定长的子串，一直往后遍历，每个k子串的时间复杂度是(n-k)*k，k为滑动窗口长度，字符串匹配时间复杂度为O(k)，那么所有k子串的时间复杂度就是(n-k)*(n-k)*k，前面提到的滑动窗口长度(1, n-1)，时间复杂度为O(n)，总得时间复杂度最起码是O(n³)。

• 第二步，考虑如何优化，首先滑动窗口的选择能不能优化？答案当然是可以的，面对在一个有序区间找一个值得最好办法肯定是二分，二分思路是这样的，如果在n/2处能够找到重复子串的话，那么其最长重复子串一定大于等于n/2，反之，则一定小于等于n/2，通过这个思路可以将第一层循环的时间复杂度O(n)变成O(log n)。

• 第三步，完成第二步优化之后，总时间复杂度为O(n² log n) ,仍然不能通过，，说明还需要进行优化，这里可以优化的地方只有滑动窗口了，我们需要这里的O(n²)接着往下降，这里就可能可以想到Rabin-Karp算法，想不到没关系，下次一定。Rabin-Karp算法是一种字符串匹配算法，将匹配时间复杂度降低到了O(n)，所以我们最后的时间复杂度为O(n log n)，通过！Rabin-Karp算法的原理其实很简单，就是讲每个子串进行哈希，如本题，都是小写字母，我们可以用ASCII编码来表示，这样原字符串就变成了一个数组，我们将这些数组分成m（滑动窗口长度）长的子串，由于小写字母共有26个，因此我们可以用26进制来表示m长子串对应的hash值，如果两个字符串匹配，那么其hash值一定相等，但是考虑到hash冲突，两个不一样的子串hash值也可能相等，这里有两种解决办法，一是用多个进制，比如用27进制和29进制，这样hash冲突的可能性大大减少，但是还是有一定可能，二是hash值相等时，直接比较其对应的两个字符串，这样时间复杂度虽然会高点，时间复杂度需要多乘以一个m，这样本题也无法通过，但是可以完全避免hash冲突。
    这里附上两个参考链接，感觉讲的不是很清楚，下期更新一下Rabin-Karp算法的原理和实现。

• Rabin-Karp算法：字符串匹配问题

• Rabin-Karp算法详解和实现（python）

• 两个hash来弱化冲突的解法如下（官方思路）：

class Solution:
    def longestDupSubstring(self, s: str) -> str:
        """
        给你一个字符串 s ，考虑其所有 重复子串 ：即，s 的连续子串，在 s 中出现 2 次或更多次。这些出现之间可能存在重叠 	              
        >>>self.longestDupSubstring("banana")
        >>>"ana"
        """
        # 生成两个进制
        a1, a2 = random.randint(26, 100), random.randint(26, 100)
        # 生成两个模
        mod1, mod2 = random.randint(10**9+7, 2**31-1), random.randint(10**9+7, 2**31-1)
        arr = [ord(c)-ord('a') for c in s]   
        def check(arr, m, a1, a2, mod1, mod2):
            n = len(arr)
            aL1, aL2 = pow(a1, m, mod1), pow(a2, m, mod2)
            hash1, hash2 = 0, 0
            for i in range(m):
                hash1 = (hash1 * a1 + arr[i]) % mod1
                hash2 = (hash2 * a2 + arr[i]) % mod2
            seen = {(hash1, hash2)}
            for start in range(1, n - m + 1):
                hash1 = (hash1 * a1 - arr[start - 1] * aL1 + arr[start + m - 1]) % mod1
                hash2 = (hash2 * a2 - arr[start - 1] * aL2 + arr[start + m - 1]) % mod2
                if (hash1, hash2) in seen:
                    return start
                seen.add((hash1, hash2))
            return -1
        left, right = 1, len(s)-1
        ans, maxLength = -1, 0
        while left <= right:
            mid = left + (right - left + 1) // 2
            repeatIndex = check(arr, mid, a1, a2, mod1, mod2)
            if repeatIndex != -1:
                left = mid+1
                ans = repeatIndex
                maxLength = mid
            else:
                right = mid - 1
        return s[ans:ans+maxLength] if ans != -1 else ""

• 完全避免hash冲突的解法如下（力扣时间复杂度无法通过）：

from collections import defaultdict
def longestDupSubstring(s):
    """
    给你一个字符串 s ，考虑其所有 重复子串 ：即，s 的连续子串，在 s 中出现 2 次或更多次。这些出现之间可能存在重叠 	     >>>longestDupSubstring("nnpxouomcofdjuujloanjimymadkuepightrfodmauhrsy")
    >>>"ma"
    """
    arr = [ord(c)-ord('a') for c in s]
    modulo = 2**64-1
    def check(arr, m):
        visited = defaultdict(list)
        hashM = 0
        for i in range(m):
            hashM = hashM*26 + arr[i]
        visited[hashM%modulo].append(0)
        for j in range(m, len(arr)):
            hashM = hashM - arr[j-m]*(26**(m-1))
            hashM = (hashM*26 + arr[j])%modulo
            if hashM in visited.keys():
                for v in visited[hashM]:
                    if s[j-m+1:j+1] == s[v:v+m]:
                        return v
            visited[hashM].append(j-m+1)
        return -1
    
    left, right = 0, len(s)-1
    ans, maxLength = -1, 0
    while left <= right:
        mid = (left + right) // 2
        repeatIndex = check(arr, mid)
        if repeatIndex != -1:
            left = mid+1
            ans = repeatIndex
            maxLength = mid
        else:
            right = mid - 1
    return s[ans:ans+maxLength] if ans != -1 else -1 
     
s = "nnpxouomcofdjuujloanjimymadkuepightrfodmauhrsy"
longestDupSubstring(s)

• 如果大家觉得有帮助，欢迎点个免费的赞，谢谢！