187. Repeated DNA Sequences

All DNA is composed of a series of nucleotides abbreviated as A, C, G, and T, for example: "ACGAATTCCG". When studying DNA, it is sometimes useful to identify repeated sequences within the DNA.

Write a function to find all the 10-letter-long sequences (substrings) that occur more than once in a DNA molecule.

For example,

Given s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT",

Return:
["AAAAACCCCC", "CCCCCAAAAA"].

解法1;

vector<string> findRepeatedDnaSequences(string s) {
       vector<string> ans;
       map<string,int> mp;
       int n=s.size();
       if(n<10) return ans;
       int i;
       for(i=10;i<=n;i++)
       {
           string str(s,i-10,10);
           mp[str]++;
           if(mp[str]==2)
           ans.push_back(str);
       }
       return ans;
    }

解法二;点击打开链接

上面只是单纯的使用hash的方法，没有考虑提示的bit操作。看了别人的代码。

用int代替string唯一的表示DNA序列，因为A = 0x41, C = 0x43, G =0x47, T = 0x54；也可以用二进制写成A，T，C，G各自的最后3位的二进制表示是不同的，对应1,3,7,4，因此可以用3位唯一的表示A, T,C,G中的一个，DNA序列可以用30个二进制位表示，它对应一个int内的整数。即一个string可以唯一的用一个int内的整数表示。

vector<string> findRepeatedDnaSequences(string s) {
      unordered_map<int, int> m;
      vector<string> r;
      int t = 0, i = 0, ss = s.size();
      while (i < 9)
        t = t << 3 | s[i++] & 7;
       while (i < ss)
        if (m[t = t << 3 & 0x3FFFFFFF | s[i++] & 7]++ == 1)//当且仅当它出现2次的时候加入，避免超过2次的重复
            r.push_back(s.substr(i - 10, 10));
       return r;

    }