【Leetcode】48.最长不含重复字符的子字符串

48. 最长不含重复字符的子字符串

方法一：动态规划+哈希表

把原问题拆解为：以每个字符为右边界的最大子串（每次计算都是基于前一个字符的结果）

class Solution:
    def lengthOfLongestSubstring(self, s: str) -> int:
        dic = {} # 哈希表用来保存每个字符出现的最近的位置
        res = tmp = 0
        for j in range(len(s)): # 遍历每一个字符
            i = dic.get(s[j], -1) # 获取字符上一次出现的位置，索引i
            dic[s[j]] = j # 更新哈希表
            tmp = tmp + 1 if tmp < j - i else j - i # tmp用来保存dp[j-1]，dp[j - 1] -> dp[j]
            
            res = max(res, tmp) # max(dp[j - 1], dp[j]) 更新最长子串长度
        return res

• 复杂度分析：
  • 时间复杂度$O(N)$： 其中N为字符串长度，动态规划需遍历计算dp列表。
  • 空间复杂度$O(1) $：字符的ASCII码范围为0127，哈希表dic最多使用$O(128) = O(1)$大小的额外空间。

方法二：动态规划 + 线性遍历

class Solution:
    def lengthOfLongestSubstring(self, s: str) -> int:
        res = tmp = i = 0
        for j in range(len(s)):
            i = j - 1
            while i >= 0 and s[i] != s[j]: i -= 1 # 线性查找 i
            tmp = tmp + 1 if tmp < j - i else j - i # dp[j - 1] -> dp[j]
            res = max(res, tmp) # max(dp[j - 1], dp[j])
        return res

• 复杂度分析：
  • 时间复杂度$O(N^2)$：其中$N$为字符串长度，动态规划需遍历计算dp列表，占用$O(N)$；每轮计算$dp[j]$时搜索$i$需要遍历$j$个字符，占用$O(N)$ 。
  • 空间复杂度$O(1)$： 几个变量使用常数大小的额外空间。

方法三：双指针 + 哈希表

更新左指针$i$： 根据上轮左指针$i$和$dic[s[j]]$ ，每轮更新左边界$i$，保证区间$[i+1,j]$内无重复字符且最大。

class Solution:
    def lengthOfLongestSubstring(self, s: str) -> int:
        dic, res, i = {}, 0, -1
        for j in range(len(s)):
            if s[j] in dic:
                i = max(dic[s[j]], i) # 更新左指针i
            dic[s[j]] = j # 哈希表记录
            res = max(res, j - i) # 更新结果
        return res