76.最小覆盖子串（含注释）

题目： 

给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串，则返回空字符串 "" 。

注意：

• 对于 t 中重复字符，我们寻找的子字符串中该字符数量必须不少于 t 中该字符数量。
• 如果 s 中存在这样的子串，我们保证它是唯一的答案。

示例 1：

输入：s = "ADOBECODEBANC", t = "ABC"
输出："BANC"
解释：最小覆盖子串 "BANC" 包含来自字符串 t 的 'A'、'B' 和 'C'。

示例 2：

输入：s = "a", t = "a"
输出："a"
解释：整个字符串 s 是最小覆盖子串。

示例 3:

输入: s = "a", t = "aa"
输出: ""
解释: t 中两个字符 'a' 均应包含在 s 的子串中，
因此没有符合条件的子字符串，返回空字符串。

提示：

• m == s.length
• n == t.length
• 1 <= m, n <= 105
• s 和 t 由英文字母组成

 自己编写的超时了

 

s = "aaaaaaaaaaaabbbbbcdd"
t = "abcdd"
dict1 = {}
for i in set(t):
    dict1[i] = t.count(i)
dict2 = {}
end = '' #存放最终的结果
#滑动窗口和哈希表，
#滑动窗口的起始长度是len(t)终止长度是len(s)
k = len(t) #滑动窗口的长度
while end == '' and k <= len(s):
    i = 0 #i和j是滑动窗口的起始点和终止点
    j = k
    while i <= len(s) - k:
        flag = True
        temporary = s[i:j]
        for z in set(temporary): #对temporary进行哈希
            dict2[z] = temporary.count(z)
        if set(dict1.keys()) <= set(dict2.keys()): #判断dict1里面的键dict2中是否都有
            for w in dict1.keys(): #判断dict1中键所对应的键值是否都小于等于dict2中键所对应的键值
                if dict1[w] > dict2[w]:
                    flag = False
                    break
            if flag:
                end = s[i:j]
                break
        dict2 ={}
        i += 1
        j += 1
    k += 1
print(end)

看了Mcdull大佬的题解，真的厉害

 

题解
滑动窗口的思想：
用i,j表示滑动窗口的左边界和右边界，通过改变i,j来扩展和收缩滑动窗口，可以想象成一个窗口在字符串上游走，当这个窗口包含的元素满足条件，即包含字符串T的所有元素，记录下这个滑动窗口的长度j-i+1，这些长度中的最小值就是要求的结果。

步骤一
不断增加j使滑动窗口增大，直到窗口包含了T的所有元素

步骤二
不断增加i使滑动窗口缩小，因为是要求最小字串，所以将不必要的元素排除在外，使长度减小，直到碰到一个必须包含的元素，这个时候不能再扔了，再扔就不满足条件了，记录此时滑动窗口的长度，并保存最小值

步骤三
让i再增加一个位置，这个时候滑动窗口肯定不满足条件了，那么继续从步骤一开始执行，寻找新的满足条件的滑动窗口，如此反复，直到j超出了字符串S范围。

面临的问题：
如何判断滑动窗口包含了T的所有元素？ 我们用一个字典need来表示当前滑动窗口中需要的各元素的数量，一开始滑动窗口为空，用T中各元素来初始化这个need，当滑动窗口扩展或者收缩的时候，去维护这个need字典，例如当滑动窗口包含某个元素，我们就让need中这个元素的数量减1，代表所需元素减少了1个；当滑动窗口移除某个元素，就让need中这个元素的数量加1。 记住一点：need始终记录着当前滑动窗口下，我们还需要的元素数量，我们在改变i,j时，需同步维护need。 值得注意的是，只要某个元素包含在滑动窗口中，我们就会在need中存储这个元素的数量，如果某个元素存储的是负数代表这个元素是多余的。比如当need等于{'A':-2,'C':1}时，表示当前滑动窗口中，我们有2个A是多余的，同时还需要1个C。这么做的目的就是为了步骤二中，排除不必要的元素，数量为负的就是不必要的元素，而数量为0表示刚刚好。 回到问题中来，那么如何判断滑动窗口包含了T的所有元素？结论就是当need中所有元素的数量都小于等于0时，表示当前滑动窗口不再需要任何元素。 优化 如果每次判断滑动窗口是否包含了T的所有元素，都去遍历need看是否所有元素数量都小于等于0，这个会耗费O(k)O(k)O(k)的时间复杂度，k代表字典长度，最坏情况下，k可能等于len(S)。 其实这个是可以避免的，我们可以维护一个额外的变量needCnt来记录所需元素的总数量，当我们碰到一个所需元素c，不仅need[c]的数量减少1，同时needCnt也要减少1，这样我们通过needCnt就可以知道是否满足条件，而无需遍历字典了。 前面也提到过，need记录了遍历到的所有元素，而只有need[c]>0大于0时，代表c就是所需元素

图示
以S="DOABECODEBANC"，T="ABC"为例 初始状态：步骤一：不断增加j使滑动窗口增大，直到窗口包含了T的所有元素，need中所有元素的数量都小于等于0，同时needCnt也是0步骤二：不断增加i使滑动窗口缩小，直到碰到一个必须包含的元素A，此时记录长度更新结果步骤三：让i再增加一个位置，开始寻找下一个满足条件的滑动窗口

代码
   

import collections
s = "doabecodebanc"
t = "abc"
need=collections.defaultdict(int)
for c in t:
    need[c] += 1
needCnt = len(t) #记录t的长度
i = 0
res = (0, float('inf')) #inf表示正无穷
for j, c in enumerate(s): #下标和下标所对应的元素
    if need[c] > 0:
        needCnt -= 1
    need[c] -= 1
    if needCnt == 0:  # 步骤一：滑动窗口包含了所有T元素
        while True:  # 步骤二：增加i，排除多余元素
            c = s[i]
            if need[c] == 0:
                break
            need[c] += 1 #当要让i向前走的时候要把没有出现的元素-1变成0
            i += 1
        if j - i < res[1] - res[0]:  # 记录结果，优先记录短的结果
            res = (i, j)
        need[s[i]] += 1  # 步骤三：i增加一个位置，寻找新的满足条件滑动窗口
        needCnt += 1
        i += 1
print('' if res[1] > len(s) else s[res[0]:res[1] + 1])

我们会用j扫描一遍S，也会用i扫描一遍S，最多扫描2次S，所以时间复杂度是O(n)O(n)O(n)，空间复杂度为O(k)O(k)O(k)，k为S和T中的字符集合。

作者：Mcdull
链接：https://leetcode.cn/problems/minimum-window-substring/solutions/258513/tong-su-qie-xiang-xi-de-miao-shu-hua-dong-chuang-k/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

运行截图：