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;
}