代码:
自己实现的暴力解法:
public int lengthOfLongestSubstring(String s) {
char[] charArr = s.toCharArray();
int resultLength = 0;
int tempLength = 0;
Map<Character,Boolean> hashMap = new HashMap<>();
for (int i = 0; i < charArr.length; i++){
hashMap.clear();
tempLength = 0;
for (int j = i ; j < charArr.length; j++){
if (hashMap.containsKey(charArr[j])){
resultLength = Math.max(resultLength,tempLength);
break;
}
hashMap.put(charArr[j],true);
tempLength++;
}
resultLength = Math.max(resultLength,tempLength);
}
return resultLength;
}
滑动窗口版:
思路和算法
我们先用一个例子考虑如何在较优的时间复杂度内通过本题。
我们不妨以示例一中的字符串 abcabcbb 为例,找出从每一个字符开始的,不包含重复字符的最长子串,那么其中最长的那个字符串即为答案。对于示例一中的字符串,我们列举出这些结果,其中括号中表示选中的字符以及最长的字符串:
以 (a)bcabcbb 开始的最长字符串为 (abc)abcbb;
以a(b)cabcbb 开始的最长字符串为 a(bca)bcbb;
以 ab(c)abcbb 开始的最长字符串为 ab(cab)cbb;
以 abc(a)bcbb 开始的最长字符串为 abc(abc)bb;
以 abca(b)cbb 开始的最长字符串为 abca(bc)bb;
以 abcab(c)bb 开始的最长字符串为 abcab(cb)b;
以 abcabc(b)b 开始的最长字符串为 abcabc(b)b;
以 abcabcb(b) 开始的最长字符串为abcabcb(b)。
发现了什么?如果我们依次递增地枚举子串的起始位置,那么子串的结束位置也是递增的!这里的原因在于,假设我们选择字符串中的第 k 个字符作为起始位置,并且得到了不包含重复字符的最长子串的结束位置为 rk。那么当我们选择第 k+1 个字符作为起始位置时,首先从 k+1 到 rk的字符显然是不重复的,并且由于少了原本的第 k 个字符,我们可以尝试继续增大rk,直到右侧出现了重复字符为止。这样一来,我们就可以使用「滑动窗口」来解决这个问题了:我们使用两个指针表示字符串中的某个子串(或窗口)的左右边界,其中左指针代表着上文中「枚举子串的起始位置」,而右指针即为上文中的rk;
在每一步的操作中,我们会将左指针向右移动一格,表示 我们开始枚举下一个字符作为起始位置,然后我们可以不断地向右移动右指针,但需要保证这两个指针对应的子串中没有重复的字符。在移动结束后,这个子串就对应着 以左指针开始的,不包含重复字符的最长子串。我们记录下这个子串的长度;
在枚举结束后,我们找到的最长的子串的长度即为答案。
判断重复字符
在上面的流程中,我们还需要使用一种数据结构来判断 是否有重复的字符,常用的数据结构为哈希集合HashSet 或者 HashMap。在左指针向右移动的时候,我们从哈希集合中移除一个字符,在右指针向右移动的时候,我们往哈希集合中添加一个字符。
public int lengthOfLongestSubstring(String s) {
char[] charArr = s.toCharArray();
int resultLength = 0;
int right = 0; //右指针,初始值为 -1,相当于我们在字符串的左边界的左侧,还没有开始移动
Map<Character,Boolean> hashMap = new HashMap<>();
for (int i = 0; i < charArr.length; i++){
if (i != 0){
// 左指针向右移动一格,移除一个字符
hashMap.remove(charArr[i - 1]);
}
for (int j = right + 1 ; j < charArr.length; j++){ //如果right初值不为-1为0的话,,这里就会从1开始
if (hashMap.containsKey(charArr[j])){
break;
}
hashMap.put(charArr[j],true);
right++;
}
//从第i个到第right个
resultLength = Math.max(resultLength,right - i + 1);
}
return resultLength;
}