3. 无重复字符的最长子串（滑动窗口）

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)

优化后的滑动窗口