【复盘】滑动窗口

#3. 无重复字符的最长子串

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。

滑动窗口解法：
1.map保存了字符到最近下标的映射关系。
2.left从0开始，right从1开始，只要s[right]不在map，或者在map里但是最新下标比left小（表明曾经在滑动窗口内后来滑出去了），right++。更新map[s[right] ]= right。当前滑动窗口长度与已有longest比较，大于则更新。
3.如果map[s[right]]比left大，表明碰到滑动窗口内的重复字符了。窗口左边缘收缩，更新left=map[s[right]]+1;right++
4.right到达字符串末尾，结束。

这个方法，在滑动窗口左边缘收缩时，省去了map的遍历删除。
时间复杂度：O(n)， 空间复杂度:O(n)

#567. 字符串的排列

给你两个字符串 s1 和 s2 ，写一个函数来判断 s2 是否包含 s1 的排列。如果是，返回 true ；否则，返回 false 。
换句话说，s1 的排列之一是 s2 的 子串 。
示例 1：
输入：s1 = “ab” s2 = “eidbaooo”
输出：true
解释：s2 包含 s1 的排列之一 (“ba”).
示例 2：
输入：s1= “ab” s2 = “eidboaoo”
输出：false

滑动窗口解法：
1.扫描s1，建立名为patter的map，key为字符，value为出现次数。target为pattern的长度。
2.滑动窗口扫描s2，left，right从0开始。rigth向右滑动，直到滑动窗口大小超过n1，开始收缩left。然后一直left收缩一步，right滑动一步，维持窗口大小为n1。
3.滑动窗口的字符统计保存在另外一个名为text的map中。count为当前出现次数大于等于该字符在pattern中的值的个数。窗口left收缩时，text中字符出现次数恰好小于patter中的值， count–。窗口right滑动，text中字符出现次数恰好等于patter中的值，count++。
4.由于滑动窗口大小为n1，当count等于target，即找到了子串。