所有 DNA 都由一系列缩写为 A,C,G 和 T 的核苷酸组成,例如:“ACGAATTCCG”。在研究 DNA 时,识别 DNA 中的重复序列有时会对研究非常有帮助。
编写一个函数来查找 DNA 分子中所有出现超过一次的 10 个字母长的序列(子串)。
示例:
输入:s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT"
输出:["AAAAACCCCC", "CCCCCAAAAA"]
class Solution {
public:
vector<string> findRepeatedDnaSequences(string s) {
if (s.length() < 10)
return {};
unordered_map<char, int> code{{'A', 0}, {'C', 1}, {'G', 2}, {'T', 3}};
vector<string> res;
unordered_map<int, int> freq;
int key = 0;
for (int i = 0; i < 10; ++i)
key = (key << 2) | code[s[i]];
freq[key] = 1;
for (int i = 10; i < s.length(); ++i)
{
key = ((0x3FFFF & key) << 2) | code[s[i]];
if ((++freq[key]) == 2)
res.push_back(s.substr(i - 9, 10));
}
return res;
}
};