【滑动窗口】串联所有单词的子串

串联所有单词的子串

题目描述

给定一个字符串 s 和一个字符串数组 words。 words 中所有字符串 长度相同。

s 中的 串联子串 是指一个包含 words 中所有字符串以任意顺序排列连接起来的子串。

• 例如，如果 words = ["ab","cd","ef"]， 那么 "abcdef"， "abefcd"，"cdabef"， "cdefab"，"efabcd"， 和 "efcdab" 都是串联子串。 "acdbef" 不是串联子串，因为他不是任何 words 排列的连接。

返回所有串联子串在 s 中的开始索引。你可以以 任意顺序 返回答案。

示例 1：

输入：s = "barfoothefoobarman", words = ["foo","bar"]
输出：[0,9]
解释：因为 words.length == 2 同时 words[i].length == 3，连接的子字符串的长度必须为 6。
子串 "barfoo" 开始位置是 0。它是 words 中以 ["bar","foo"] 顺序排列的连接。
子串 "foobar" 开始位置是 9。它是 words 中以 ["foo","bar"] 顺序排列的连接。
输出顺序无关紧要。返回 [9,0] 也是可以的。

示例 2：

输入：s = "wordgoodgoodgoodbestword", words = ["word","good","best","word"]
输出：[]
解释：因为 words.length == 4 并且 words[i].length == 4，所以串联子串的长度必须为 16。
s 中没有子串长度为 16 并且等于 words 的任何顺序排列的连接。
所以我们返回一个空数组。

示例 3：

输入：s = "barfoofoobarthefoobarman", words = ["bar","foo","the"]
输出：[6,9,12]
解释：因为 words.length == 3 并且 words[i].length == 3，所以串联子串的长度必须为 9。
子串 "foobarthe" 开始位置是 6。它是 words 中以 ["foo","bar","the"] 顺序排列的连接。
子串 "barthefoo" 开始位置是 9。它是 words 中以 ["bar","the","foo"] 顺序排列的连接。
子串 "thefoobar" 开始位置是 12。它是 words 中以 ["the","foo","bar"] 顺序排列的连接。

算法原理

此题类似于438.找出所有的字母异位词，不同点如下：

滑动窗口+哈希表

1. 哈希表

   hash<String, int>
   string:表示字符串
   int：表示的是这个字符串出现的次数
   

2. left与right指针的移动

   移动的步长是每个单词的长度 -> len

3. 滑动窗口的执行次数

   len

如果我们把每⼀个单词看成⼀个⼀个字⺟，问题就变成了找到「字符串中所有的字⺟异位词」。⽆

⾮就是之前处理的对象是⼀个⼀个的字符，我们这⾥处理的对象是⼀个⼀个的单词。

见此文：找到字符串中所有字母异位词

示例代码

Java

class Solution {
    public List<Integer> findSubstring(String s, String[] words) 
    {
        List<Integer> ret = new ArrayList<Integer>();
        Map<String, Integer>hash1 = new HashMap<String,Integer>(); // 保存字典中所有单词出现的频次
        for(String str : words) hash1.put(str,hash1.getOrDefault(str, 0) + 1);

        int len = words[0].length(), m = words.length;
        for(int i = 0; i < len; i++) // 执行次数
        {
            Map<String, Integer>hash2 = new HashMap<String,Integer>(); // 保存窗口内中所有单词出现的频次
            for(int left = i, right = i, count = 0; right + len <= s.length(); right += len)
            {
                // 进窗口 + 维护 count
                String in = s.substring(right, right + len);
                hash2.put(in ,hash2.getOrDefault(in, 0) + 1);
                if(hash2.get(in) <= hash1.getOrDefault(in, 0)) count++;
                // 判断
                if(right - left + 1 > len * m)
                {
                // 出窗口 + 维护 count
                String out = s.substring(left, left + len);
                if(hash2.get(out) <= hash1.getOrDefault(out, 0)) count--;
                hash2.put(out, hash2.get(out) - 1);
                left += len;
                }
                // 更新结果
                if(count == m) ret.add(left);
            }
        }
        return ret;
    }
}

C++

class Solution {
public:
    vector<int> findSubstring(string s, vector<string>& words) {
        vector<int>ret; // 放结果的
        unordered_map<string, int>hash1; // 保存 words 里面所有单词的频次
        for(auto& s: words) hash1[s]++;

        int len = words[0].size(), m = words.size();
        for(int i = 0 ; i < len ; i++)
        {
            unordered_map<string, int>hash2; // 维护窗口内单词的频次
            for(int left = i, right = i, count = 0; right + len <= s.size(); right += len)
            {
                // 进窗口 + 维护 count
                string in = s.substr(right , len);
                hash2[in]++;
                if(hash1.count(in) && hash2[in] <= hash1[in]) count ++;
                // 判断
                if(right - left + 1 > len * m)
                {
                    // 出窗口 + 维护 count
                    string out = s.substr(left, len);
                    if(hash1.count(out) && hash2[out] <= hash1[out]) count --;
                    hash2[out]--;
                    left += len;
                }
                if(count == m) ret.push_back(left);
            }
        }
        return ret;
    }
};