问题
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 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。
思路及代码
# 方法一:暴力法
# 时间复杂度:O(n2*k)
def allunique(string): # 判断是否是无重复子串
if len(set(string)) == len(string):
return True
return False
class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
if s == "":
return 0
result = 1 # result初始化为1,因为对于"bbbb"的情况,result=1,而allunique函数输出的是false
for i in range(len(s)-1):
for j in range(i+1, len(s)):
if allunique(s[i:j+1]): # 取切片时间复杂度是O(k),k是切片长度
result = j -i + 1 if result < j - i + 1 else result
return result
# 方法二:滑窗(滑动窗口左右两边界均是闭的,最开始滑动窗口里没有元素,即 left = 0,right = -1,res 用来存储最长窗口的长度,初始为 0。移动窗口,窗口向右判断下一个元素是否已存在于窗口内,如果不存在,则将该元素加入到窗口中,即 right + 1,左边界不动。如果窗口内已经存在该元素,则将该元素加入到窗口中,即 right + 1 ,同时将窗口左边界移到窗口中已存在的元素的位置,即 left + 1 直到窗口中重复元素的位置为止。重复上述步骤。在窗口滑动的过程中,每得到一个新的窗口,都将与 res 中的值比较,res 中始终存放的是之前所有窗口的最长长度。)
# 时间复杂度:O(n)
class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
left, right = 0, 0
max_len = 0
tmp = ""
if len(set(s)) == 1:
return 1
while right < len(s):
if s[right] not in tmp:
tmp = tmp + s[right]
right += 1
else:
tmp = tmp[1:] + s[right] # 去除字符串最左边那个
left += 1
while s[right] in tmp[:-1]: # 如果一直存在相同的,那么一直去除左边的
tmp = tmp[1:]
left += 1
right += 1
max_len = right - left if max_len < right - left else max_len # 这里长度是right-left,不加1,因为right加了1
return max_len
# 方法三:双指针(其实和滑窗有点像!)
# 方法四:动态规划(dp存储以第j个字符结尾的最长无重复子串,所以最后返回值是max(dp))
# 状态转移:
# 1. 若s[j]不存在于s[:j],那么dp[j]=dp[j-1]+1;
# 2. 若s[j]存在于s[:j]中,但是s[j]和之前重复的那个元素之间的距离d>dp[j-1],那么不对当前产生影响,dp[j]=dp[j-1]+1,例如:s="abcdba",第二个a已经不对它产生影响,因为到第二个b的时候,无重复子串已经转移成"cdb",已经不包含之前的a;
# 3. 若d<dp[j-1],那么dp[j]=d
# 时间复杂度:O(n)
class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
if not s:
return 0
dp = [0] * len(s)
dp[0] = 1 # 只有一个元素时,最长无重复子串长度为1
j = 0
dic = {}
dic[s[0]] = 0
for j in range(1, len(s)):
if s[j] not in s[:j]:
dp[j] = dp[j-1] + 1 # dic存储个元素的索引,后面出现重复字符时需要更新!
dic[s[j]] = j
elif j - dic[s[j]] > dp[j - 1]:
dp[j] = dp[j - 1] + 1
dic[s[j]] = j
else:
dp[j] = j - dic[s[j]]
dic[s[j]] = j
return max(dp)