题目:重复的DNA序列
题目描述
所有 DNA 都由一系列缩写为 ‘A’,‘C’,‘G’ 和 ‘T’ 的核苷酸组成,例如:“ACGAATTCCG”。在研究 DNA 时,识别 DNA 中的重复序列有时会对研究非常有帮助。
编写一个函数来找出所有目标子串,目标子串的长度为 10,且在 DNA 字符串 s 中出现次数超过一次。
解题思路
从第一个开始十个字符可能存在重复,从第二个开始十个字符也可能存在重复,以此类推,每十个都有可能,直到倒数第十个
整一个map,十个单词为一组放到set里边;
上面的方法内存空间占用大,可以使用数来表示一个字符,通过使用int的低20位表示十个字符串
代码
class Solution {
public:
vector<string> findRepeatedDnaSequences(string s) {
unordered_map<string,int> m;
vector<string> res;
int l=s.size();
for(int i=0;i<=l-10;++i)
{
string str=s.substr(i,10);
if(++m[str]==2)
{
res.push_back(str);
}
}
return res;
}
};
class Solution {
public:
vector<string> findRepeatedDnaSequences(string s) {
vector<string> res;
int l=s.size();
if(l<=10)
return res;
int x=0;
unordered_map<char,int> bin{{'A',0},{'C',1},{'G',2},{'T',3}};
for(int i=0;i<9;++i)
{
x=(x<<2)|bin[s[i]]; // 每次用2bit表示一个字符,先到第9个字符
}
unordered_map<int,int> m;
for(int i=0;i<=l-10;++i){
x=((x<<2)|bin[s[i+10-1]])&((1<<20)-1); // (1<<20)-1 可以使低20位全为1,这样就可以取x的低20位了
if(++m[x]==2)
{
res.push_back(s.substr(i,10));
}
}
return res;
}
};