3. 无重复字符的最长子串

3. 无重复字符的最长子串

给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串 的长度。

示例 1:
输入: s = "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: s = "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: s = "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。

示例 4:
输入: s = ""
输出: 0

---

提示： 0 <= s.length <= 5 * 104 s 由英文字母、数字、符号和空格组成

---

---

解题：滑动窗口（python）

这道题作为leetcode题库里的第三题，相信很多同学都做过了，总得来说还是蛮简单的

正常有思路的话肯定第一反应就是想到滑动窗口，O(n)时间复杂度解决问题，没啥好说的

整个玄乎一点的 ：

如果套个模版从普遍性的角度去解题

首先考虑最暴力的解法，把每一个字符作为起始字符，然后依次便利其后的字符，判断是否满足条件（对于一个给定的字符串来说，我们已知它的长度，并且每个起始字符独立无关，所以最外层是一个for循环。双指针通常由两个循环组成，一般情况下，如果前面两个条件有一个不满足，我们会选择while循环）

这道题里判断条件很简单，它的要求是不含有重复字符，所以去重是这道题的关键，提示给到了字符由英文字母、数字、符号和空格组成，考虑到的编码未知的情况下，就不用数组来计数了，正常的哈希集就行，python里的数据结构是集合。

相对于子列，子串一定是连续的，所以我们可以进一步划分子问题（把每个独立的字符取出作为起点是划分子问题的第一步），那么对于一个子串，为了保证它其中没有重复的字符，子串的子串也不能有重复字符，所以该条件可以用作剪枝（这其实是一个适用于dp的蛮经典的条件：在递归里，它是重复调用的基础；在递推里，它是简化运算的基础，不过这道题过于简单，题干条件直接当剪植用了）

最后的最后用个滑动窗口解决一下重复子问题（一开始，在整个解决问题的算法的架构上，每一个起始字符是独立的，它们是“同时”向后扩展，然后一步步判断是否满足条件，然后结束进程【就是所谓的剪植】，但是为了解决重复子问题，我们不能只对子串末尾进行剪植，而应该两头同时“剪”，这就是滑动窗口左指针移动的原因，也是这道题的另一个视角）

---

代码：

class Solution:
    def lengthOfLongestSubstring(self, s: str) -> int:
        sets = set()
        n = len(s)
        r, ans = -1, 0
        for l in range(n):
            if l != 0:
                sets.remove(s[i - 1])
            while r + 1 < n and s[r + 1] not in sets:
                sets.add(s[r + 1])
                r += 1
            ans = max(ans, rk - i + 1)
        return ans

代码详解：

这个代码cv力扣官方的，是人家精简之后的产物了

第一步：定义变量

首先前两个
1.定义哈希集合sets = set()
2.获取字符串长度.n = len(s)
没啥好说的

然后是
3.答案ans = 0用于计数
4.左指针left因为独立所以直接定义在外循环里

最经典的是右指针的定义r = -1
抛开python本身的索引特性，它这里定义的-1指的就是在第一个字符的左边，同时也是在最左指针的左边，这个不可能出现在运算过程中的状态说明了

运算过程中，左右指针是可以重叠的（虽然这道题中仅开始时存在）
右指针是运算的核心
确保了左右指针包括在子串内的同时，保证了边界条件不会出现混乱

这模版写的多的还好，没啥亮点，自己写的话思路就不简单有这么清晰了，总结一下算是给自己偷个懒（反正我自己经常反应不过来）

最后就是正常的循环嵌套，没啥好说的