3. 无重复字符的最长子串
给定一个字符串,请你找出其中不含有重复字符的 最长子串 的长度。
示例 3:
输入: “pwwkew”
输出: 3
解释: 因为无重复字符的最长子串是 “wke”,所以其长度为 3。
请注意,你的答案必须是 子串 的长度,“pwke” 是一个子序列,不是子串。
思路:如果遍历所有子串并检查子串中字符是否重复,时间复杂度为O(n3),可以维护一个窗口,窗口中所有的字符都不重复,不断扩充窗口右端,当扩充后的窗口不满足条件,就收缩窗口左端。
采用哈希表来查找元素是否出现过,查重操作就可以在O(1)时间内完成。
时间复杂度为O(n),n为字符串的长度。
class Solution{
public:
int lengthOfLongestSubstring(string s){
//s[start,end) 前面包含 后面不包含
int start(0), end(0), length(0), result(0);
int sSize = int(s.size());
//hash[c] = 1表示窗口内有字符c,为0表示窗口内没有c
unordered_map<char, int> hash;
while (end < sSize){
char tmpChar = s[end];
//当窗口右端end可以扩展
if (hash.find(tmpChar) == hash.end() || hash[tmpChar] == 0){
hash[tmpChar] ++;
end++;
//窗口扩展,尝试更新答案
result = max(result, end - start);
}else{
//收缩窗口左端
hash[s[start]] --;
start++;
}
}
return result;
}
};
优化:上述哈希表映射的只是字符c是否在窗口内。考虑当我们扩充窗口右部,窗口内的字符串不满足条件必然是窗口右部刚刚新加入的字符,如果我们把hash表的值设为字符c出现的下标,那么当条件不满足的时候,只需要将窗口的左部改变为hash[c]+1
,即跳过遍历前面所有含c
的子串(因为窗口已经有一个字符c了)。
时间复杂度:O(n)