leetcode 重复的DNA序列

187. 重复的DNA序列

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。

编写一个函数来找出所有目标子串，目标子串的长度为 10，且在 DNA 字符串 s 中出现次数超过一次。

示例 1：
输入：s = “AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT”
输出：[“AAAAACCCCC”,“CCCCCAAAAA”]

示例 2：
输入：s = “AAAAAAAAAAAAA”
输出：[“AAAAAAAAAA”]

提示：
0 <= s.length <= 105
s[i] 为 ‘A’、‘C’、‘G’ 或 ‘T’

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/repeated-dna-sequences。

• 哈希
  遍历一次输入字符串，每次取10个字符，存入哈希表中，最后输入有重复的字符串即可

 vector<string> findRepeatedDnaSequences(string s) {
        vector<string> result;
        unordered_map<string, int> str_count;
        for (int i = 0; i + 9 < s.size(); ++i) {
            string str_tmp = s.substr(i, 10);
            str_count[str_tmp]++;
        }
        for (auto &it : str_count) {
            if (it.second > 1) {
                result.emplace_back(it.first);
            }
        }
        return result;
    }

• 位运算
  减少存储空间可以采用位运算。特别是在此题中不同字符数量只有4个，10字符的字符串使用20bit的整数就可以存储。

vector<string> findRepeatedDnaSequences(string s) {
        vector<string> result;
        if (s.size() <= 10) return result;
        unordered_map<char, int> mp_tmp;
        mp_tmp['A'] = 0;
        mp_tmp['C'] = 1;
        mp_tmp['G'] = 2;
        mp_tmp['T'] = 3;
        vector<int> s_tmp;
        for (auto &ch : s) {
            s_tmp.emplace_back(mp_tmp[ch]);
        }
        unordered_set<int> mask_tmp;
        unordered_set<string> tmp_result;
        int bitmask = 0;
        for (int i = 0; i < s_tmp.size() - 9; ++i) {
            if (i == 0) {
                for (int j = 0; j < 10; ++j) {
                    bitmask <<= 2;
                    bitmask |= s_tmp[j];
                }
                mask_tmp.emplace(bitmask);
            } else {
                bitmask <<= 2;
                bitmask |= s_tmp[i + 9];
                bitmask &= ~(3 << 20);
                if (mask_tmp.find(bitmask) != mask_tmp.end()) {
                    tmp_result.emplace(s.substr(i, 10));
                }
                mask_tmp.emplace(bitmask);
            }
        }
        
        for (auto &it : tmp_result) {
            result.emplace_back(it);
        }
        return result;
    }