算法思路
-
哈希映射统计:首先使用哈希映射(HashMap)统计words数组中每个单词出现的次数。
-
滑动窗口:由于所有单词的长度相同,我们可以使用滑动窗口的方式,以单词的长度为步长在原字符串s上滑动,检查每个可能的窗口。
-
匹配验证:对于每个窗口,使用另一个哈希映射统计窗口中每个单词的出现次数,然后与words的哈希映射进行比较,看是否完全匹配。
-
记录起始位置:如果一个窗口完全匹配,记录该窗口的起始位置。
-
优化:为了减少不必要的检查,我们只需要在0到wordLength-1的范围内开始滑动窗口,其中wordLength是数组words中单词的长度。
import java.util.ArrayList; import java.util.HashMap; import java.util.List; import java.util.Map; public class Solution { public List<Integer> findSubstring(String s, String[] words) { int wordLength = words[0].length(); int allWordsLength = words.length * wordLength; Map<String, Integer> wordMap = new HashMap<>(); List<Integer> result = new ArrayList<>(); for (String word : words) { wordMap.put(word, wordMap.getOrDefault(word, 0) + 1); } for (int i = 0; i < wordLength; i++) { for (int j = i; j <= s.length() - allWordsLength; j += wordLength) { Map<String, Integer> seen = new HashMap<>(); int k = 0; while (k < words.length) { String word = s.substring(j + k * wordLength, j + (k + 1) * wordLength); if (wordMap.containsKey(word)) { seen.put(word, seen.getOrDefault(word, 0) + 1); if (seen.get(word) > wordMap.get(word)) break; } else { break; } k++; } if (k == words.length) result.add(j); } } return result; } }
算法解析
这个算法的关键在于如何有效地利用哈希映射来减少不必要的比较。通过维护一个滑动窗口,并在每次迭代中更新这个窗口内单词的出现次数,我们可以有效地判断当前窗口是否满足条件。
此外,通过分步骤处理,即先统计words数组中单词的出现次数,然后通过滑动窗口检查每个子串,这种方法既清晰又易于实现。
示例和测试
以s = "barfoothefoobarman", words = ["foo","bar"]为例,我们的函数应该返回[0,9]。这是因为在s中,从索引0开始的子串"barfoo"和从索引9开始的子串"foobar"恰好由words中的所有单词串联形成。
总结
这道题目展示了在字符串处理和算法设计中哈希映射的强大应用。通过巧妙地利用哈希映射来追踪和比较子串中单词的出现次数,我们能够有效地解决复杂的字符串匹配问题。
觉得写的不错的朋友,请点点赞!万分感谢