剑指 Offer 48. 最长不含重复字符的子字符串

一、题目

题目链接：力扣

请从字符串中找出一个最长的不包含重复字符的子字符串，计算该最长子字符串的长度。

示例 1:

输入: "abcabcbb"
输出: 3 
解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。

示例 2:

输入: "bbbbb"
输出: 1
解释: 因为无重复字符的最长子串是 "b"，所以其长度为 1。

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。

提示：

s.length <= 40000

---

二、题解

1、思路

🐎 动态规划

最长字串，直接想到动态规划。

"pwwkew"

动态规划四大步骤：

穷举分析

p→最长不重复子串长度为1；p；

pw→最长不重复子串长度为2；pw；

pww→最长不重复子串长度为2；pw；

pwwk→最长不重复子串长度为2；pw、wk；

pwwke→最长不重复子串长度为3；wke；

pwwkew→最长不重复子串长度为3；wke、kew。

分析找规律，拆分子问题

考虑问题：如何将当前字符串最长不重复子字符串长度，与上一个（甚至更往前一个）字符串最长子字符串长度联系起来。

最后面记录了我按照上面这个考虑问题的思路得到的一种“错误的”想法。

假设 dp[i] 为以 str[i] 结尾的（关键）子字符串的不重复字串长度（是最长）。设i从0开始。

通过分析我们发现，如下规律：

最简单的边界情况

dp[0]=1，以str[0]结尾的不重复子字符串长度。

状态转移方程

设字符 s[j] 左边距离最近的相同字符为 s[i] ，即 s[i]=s[j] 。

1. 当 i < 0 ，即 s[j] 左边无相同字符，则 dp[j]=dp[j−1]+1 ；
2. 当 dp[j−1]<j−i ，说明字符 s[i] 在子字符串 dp[j−1] 区间之外 ，则 dp[j]=dp[j−1]+1 ；
3. 当 dp[j−1]≥j−i ，说明字符 s[i] 在子字符串 dp[j−1] 区间之中 ，则 dp[j] 的左边界由 s[i] 决定，即 dp[j] = j - i；

max(dp) ，即 “最长不重复子字符串” 的长度。

下面举个例子，比如“abcdbaa”，索引从0开始。 我们容易得到，当 j = 4时，以s[4]结尾字符串sub[4] = “cdb”的 长度dp[4] =3。 接下来我们看 j +1的情况。根据定义，sub[4]字符串中的字符肯定不重复，所以当 j = 5时，这时距离字符s[5]的左侧的重复字符a的索引 i = 0， 也就是说s[ 0 ]在子字符串sub[ 4 ]之外了，以s[5]结尾的字符串自然在sub[4]的基础上加上字符s[5]就构成了新的最长的不重复的子串sub[5]，长度dp[5] = dp[4] + 1; 接下来我们继续看 j =6的情况，这时s[6]的左侧重复字符a的索引 i = 5，该重复字符在sub[ 5 ]中。新的最长不重复的字串sub[6]左边界以 i 结尾，长度dp[6] = j - i = 1。

🐎 滑动窗口

以示例一中的字符串 abcabcbb 为例：

以 (a)bcabcbb 开始的最长字符串为 (abc)abcbb；
以 a(b)cabcbb 开始的最长字符串为 a(bca)bcbb；
以 ab(c)abcbb 开始的最长字符串为 ab(cab)cbb；
以 abc(a)bcbb 开始的最长字符串为 abc(abc)bb；
以 abca(b)cbb 开始的最长字符串为 abca(bc)bb；
以 abcab(c)bb 开始的最长字符串为 abcab(cb)b；
以 abcabc(b)b 开始的最长字符串为 abcabc(b)b；
以 abcabcb(b) 开始的最长字符串为 abcabcb(b)。

假设我们选择字符串中的第 k 个字符作为起始位置，并且得到了不包含重复字符的最长子串的结束位置为 rk 。那么当我们选择第 k+1 个字符作为起始位置时，首先从 k+1 到 rk 的字符显然是不重复的，并且由于少了原本的第 k 个字符，我们可以尝试继续增大 rk，直到右侧出现了重复字符为止。

一句话讲就是右指针遇到重复字符时，左指针跳到子串里第一个重复字符下一个位置，并且把哈希表中子串中重复字符及其之前的字符去掉，重新右指针再往右扩展。

本质：寻找所有以当前字符结尾的子字符串长度，取最大值！

看下面代码理解：

• 在没有遇到相同的时候，left不动，right一直+1，right - left +1 即以当前字符结尾的不重复子串长度；
• 当遇到相同的时候，更新哈希表，并将left移动到前面重复字符的下一个位置，即计算以当前字符结尾的不重复子串长度。

发现没有，和上面动态规划一毛一样？

• 上方第一条就是动态规划第二条；
• 上方第二条就是动态规划第三条。
• 但是动态规划侧重点不一样，动态规划侧重与上一个字符结尾的不重复字符串长度的关系，双指针侧重当前不重复子串长度的直接查找。

2、代码实现

🐎 动态规划

class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        int size = s.size();
        if(size < 2)return size;
        // if(s.size() == 0)return 0;// 空串
        // if(s.size() == 1)return 1;// 只有一个字符

        unordered_map<char, int> mp;
        mp[s[0]] = 0;// 一定要将s[0]加入哈希表
        int res_max = 0;// 最大子串，一定会被修改
        int last_dp = 1;// dp[j-1]，初始化为dp[0]=1
        int i = 0;// s[i] == s[j]

        for(int j = 1; j < size; j++)
        {
            // 寻找s[i]的位置，s[i]==s[j]
            if(mp.find(s[j]) == mp.end())i = -1;
            else i = mp[s[j]];

            // 记录字符最后一次出现的位置，因为上方找的是最后一个
            mp[s[j]] = j;
            // 根据i所在的位置和dp[j-1]判断dp[j]
            last_dp = last_dp < j-i ? last_dp+1 : j-i;
            //cout<< s[j]<< " "<< last_dp<<endl;
            res_max = max(res_max, last_dp);
        }
        return res_max;
    }
};

🐎 滑动窗口

class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        unordered_set<char> window;
        int res_max = 0;// 一定要初始化为0，不然s为空的时候无法进入循环，直接返回该值
        int left = 0, right = 0;
        for(int right = 0; right < s.length(); ++right)
        {
            // 如果没有重复的，右指针右移并记录到哈希表
            if(window.find(s[right]) == window.end())
            {
                window.insert(s[right]);
            }
            else// 遇到重复的左指针移动到重复元素后一个位置，并删除哈希表中重复字符及其前面所有内容
            {
                while(s[left] != s[right])
                {
                    window.erase(s[left]);
                    ++left;
                }
                left += 1;
            }
            res_max = max(right - left + 1, res_max);
        }
        return res_max;
    }
};

3、复杂度分析

🐎 动态规划

时间复杂度：O(n)；

空间复杂度：O(1)。哈希表最多存放26个内容，因为只有26个字母。如果其他字符也可以，如%#@！，最多只有128个。

🐎 滑动窗口

时间复杂度：O(n)；

空间复杂度：O(1)。哈希表最多存放26个内容，因为只有26个字母。如果其他字符也可以，如%#@！，最多只有128个。

4、运行结果

🐎 动态规划

🐎 滑动窗口

附录：一个“误导”我的想法

最初的一个错误想法，也不能说错误，只能说难以实现，不如“官方”的简单，直接忽略不看哈。

穷举分析

p→最长不重复子串长度为1；p；

pw→最长不重复子串长度为2；pw；

pww→最长不重复子串长度为2；pw；

pwwk→最长不重复子串长度为2；pw、wk；

pwwke→最长不重复子串长度为3；wke；

pwwkew→最长不重复子串长度为3；wke、kew。

分析找规律，拆分子问题

pw是在p的基础上，max( w能够和p后方构成的最长子串长度2，p的最长不重复子串长度1 )=2。

pww，max( w能够和p后方构成的最长子串长度1，pw的最长不重复子串长度2 )=2。

pwwk，max( w能够和p后方构成的最长子串长度2，pww的最长不重复子串长度2 )=2。

pwwke，max( w能够和p后方构成的最长子串长度3，pwwk的最长不重复子串长度2 )=3。

pwwkew，max( w能够和p后方构成的最长子串长度3，pwwke的最长不重复子串长度3 )=3。

最简单的边界情况

假设dp[i]为以str[i]结尾的字符串（该字符串可能包含重复内容）最长不重复字串长度。设i从0开始。

dp[0] = 1 一个字符最长不重复子串长度为1。

状态转移方程

dp[i] = max( dp[i-1], str[i]和前面结合的最大不重复字串长度 )

"pwwkew"

k前方无重复k，但是有重复w，而且难以判断w位于前方可能重复的k的相对位置，因此，本方法实现困难。