- 重复的DNA序列
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。
示例 1:
输入:s = “AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT”
输出:[“AAAAACCCCC”,“CCCCCAAAAA”]
示例 2:
输入:s = “AAAAAAAAAAAAA”
输出:[“AAAAAAAAAA”]
提示:
0 <= s.length <= 105
s[i] 为 'A'、'C'、'G' 或 'T'
题解
直接将字符串编码哈希处理成数字,然后为了避免不同的字符串取模后数值一样,所以采用双重编码,储存到结构体中,并且保留每个字符串组成的数字的位置,然后排序,累计每个字符串出现的次数。
AC代码
class Solution {
public:
typedef long long ll;
ll mod1=1000000007,mod2=1000000000000007;
struct Node
{
ll ans1,ans2;//哈希值
int pos;//表示位置
int sum;//表示出现次数
}q[100010],q2[100010];
static int cmp(Node a1,Node a2)
{
if(a1.ans1<a2.ans1)return true;
else if(a1.ans1==a2.ans1)
{
return a1.ans2<a2.ans2;
}
else
return false;
}
vector<string> findRepeatedDnaSequences(string s) {
vector<string>res;
if(s.length()<10)
{
return res;
}
ll ans1=0,ans2=0,base1=1,base2=1;
for(int i=9;i>=0;i--)
{
ans1+=(s[i]-'A')*base1;
ans1%=mod1;
if(i>0)
{
base1*=26;
base1%=mod1;
}
ans2+=(s[i]-'A')*base2;
ans2%=mod2;
if(i>0)
{
base2*=26;
base2%=mod2;
}
}
Node t;
t.ans1=ans1,t.ans2=ans2,t.pos=0;
t.sum=1;
q[0]=t;
int id=0;
for(int i=10;i<s.length();i++)
{
ans1=(ans1+mod1- ((s[i-10]-'A')*base1%mod1))%mod1;
ans1*=26;
ans1%=mod1;
ans1+=(s[i]-'A');
ans1%=mod1;
ans2=(ans2+mod2-((s[i-10]-'A')*base2%mod2))%mod2;
ans2*=26;
ans2%=mod2;
ans2+=(s[i]-'A');
ans2%=mod2;
t.ans1=ans1,t.ans2=ans2,t.pos=i-10+1;
t.sum=1;
q[++id]=t;
}
sort(q,q+id+1,cmp);
//for(int i=0;i<=id;i++)
//cout<<q[i].ans1<<" "<<q[i].ans2<<endl;
int id2=0;
q2[id2]=q[0];
for(int i=1;i<=id;i++)
{
if(q[i].ans1==q2[id2].ans1&&q[i].ans2==q2[id2].ans2)
{
q2[id2].sum++;
}
else
{
q2[++id2]=q[i];
}
}
for(int i=0;i<=id2;i++)
{
if(q2[i].sum>1)
{
string t;
for(int j=q2[i].pos;j<q2[i].pos+10;j++)
t+=s[j];
res.push_back(t);
}
}
return res;
}
};