【Leetcode | Python】3. 无重复字符的最长子串 [哈希表][字符串][滑动窗口]

🚀总结

本题的核心在于维护一个队列（滑动窗口），保证队列中的字符串始终是无重复的。

对于一个即将要加入队列的新元素 $X$，如果新元素 $X$ 在当前队列中出现过，则从 队头 持续删除元素，直到队列中不再包括新元素 $X$，再将新元素 $X$ 添加至 队尾。

例如，对于下面的字符串，假设当前队列包括 “cab”，对于即将要加入队列的新元素 “c”，因为在第 2 个位置上出现过字符 “c”，所以需要从 队头 删除元素 “c”，然后再将第 5 个位置上的字符 “c” 添加至队列中。

当窗口滑动完整个字符串，出现过的最长窗口的长度就是本题答案。

上述思路的一个明显缺点是：当新元素 $X$ 在队列中出现过，并且出现的位置比较靠后时，需要重复多次删除新元素 $X$ 及其之前的元素，导致效率降低。因此，本题的一个重要改进是：记录下新元素 $X$ 上次出现时的位置，然后直接一次更新新窗口位置，新窗口起点等于新元素 $X$ 上次出现时的位置向右一位的位置。

📇题目

⭐思路

方法一：

题目要求求解无重复字符的最长子串，一种容易想到的思路是遍历找到所有的无重复字符串，我们可以维护一个队列 window_elements 来表示无重复字符串。

从左向右依次遍历字符串中的每一个字符，对于一个即将要加入队列 window_elements 队尾 的新元素 $X$ ：

如果新元素 $X$ 在 队列 window_elements 中已经出现过，则应该持续删除 队头 元素直至队列 window_elements 中不再包括新元素 $X$。

然后再将新元素 $X$ 加入到队列 window_elements 中，计算当前队列 window_elements 的长度，如果大于之前最长的队列长度，则更新结果。

如下图，当队列元素包括 “becd” 时，对于新元素 “c” ，因为 “c” 已经在队列中出现过，所以应该持续从 队头 删除元素 “bec”，然后再将元素 “c” 添加至队列中。此时，队列长度由原来的 4 更新为 2。

根据以上思路可以实现如下代码，使用一个列表来实现队列的功能，通过 pop() 函数和 append() 函数分别实现 队头 元素删除和 队尾 元素添加。

class Solution:
    def lengthOfLongestSubstring(self, s: str) -> int:
        res = 0  # 初始化结果为 0
        window_elements = []  # 定义 window_elements 存储队列元素
        for char in s:  # 遍历字符串中的每一个字符
            while char in window_elements:  # 如果字符在队列中出现过
                window_elements.pop(0)  # 删除 队头 的元素
            window_elements.append(char)  # 将新元素添加至队尾
            res = max(res, len(window_elements))  # 更新结果
                   
        return res

尽管以上代码可以解决该题目，但是这种解法效率不高（如上图）。这主要是以下两个原因导致的：

• window_elements.pop(0) 操作效率很低，它在Python中的时间复杂度为 O(n)。这是因为每次调用 pop(0) 时，列表中剩余的所有元素都需要向前移动一个位置。
• 在 while char in window_elements 循环中，每次都需要遍历整个 window_elements 来检查是否存在重复字符。这一操作的时间复杂度也是 O(n)。

方法二：

根据以上代码中存在的问题，我们发现，在 Python 中使用列表来实现队列效率是非常低的。

如果新元素 $X$ 在原始队列中出现过，并且出现的位置在原始队列中比较靠后，那么就需要迭代很多次进行删除操作，直至原始队列中没有再出现过新元素 $X$。

一种改进思路是：用集合替代原来的列表，即用表示无重复子串。

使用集合 char_set 表示无重复子串，对于一个即将加入集合的新元素 $X$ ，如果新元素 $X$ 在集合中出现过，则应该持续删除 队头 元素直至队列 window_elements 中不再包括新元素 $X$。

但与之前方法不同的是，我们不再使用 pop(0) 来删除 队头 元素，而是使用指针变量 left 指向 队头，通过 remove(char_set[left]) 来实现，这样就避免了 Python 中列表删除效率过低的问题。

根据以上思路可以实现如下代码，使用一个集合来实现队列的功能，通过 remove(s[left]) 函数和 add(s[right]) 函数分别实现 队头 元素删除和 队尾 元素添加。

class Solution:
    def lengthOfLongestSubstring(self, s: str) -> int:
        char_set = set()  # 定义集合 char_set 表示无重复子串
        res = 0  # 初始化结果为 0
        left = 0  # 初始化左指针为 left
        for right in range(len(s)):  # 遍历字符串中的每一个字符
            while s[right] in char_set:  # 如果字符在队列中出现过
                char_set.remove(s[left])  # 从集合中删除出现过的字符
                left += 1  # 左指针右移一位
            char_set.add(s[right])  # 将新元素添加至集合
            res = max(res, right - left + 1)  # 更新结果

        return res

方法三：

方法二解决了方法一中列表删除元素效率低的问题，效率有所提升（如上图），但是仍然没有解决使用 while 语句重复判断队列中是否仍然存在当前新元素的问题。

当发现新元素 $X$ 在原始队列中出现过，我们希望不要再逐一删除原始队列中新元素 $X$ 及其之前的元素，而是直接一次性更新窗口的新起点。因此我们需要知道新元素 $X$ 出现在原始队列中的哪个位置，也就是说队列不仅要记录元素，而且要记录元素的索引，一种容易想到的方法是使用 字典。

使用字典 last_loc 来记录出现过的每个元素及其索引，对于一个即将加入队列的新元素 $X$ ，如果新元素 $X$ 出现过，并且上次出现的位置在窗口起点的右侧，则说明当前新元素 $X$ 在窗口内。此时，我们不再逐一删除窗口内新元素 $X$ 及其之前的所有元素，而是直接更新窗口起点位置，新的窗口起点位置等于新元素 $X$ 在窗口中出现的位置右边一位的位置。

根据以上思路可以实现如下代码，使用一个字典来记录元素上次出现过的位置。

class Solution:
    def lengthOfLongestSubstring(self, s: str) -> int:
        res = 0  # 初始化结果为 0
        last_loc = {}  # 定义字典 last_loc 用于存储无重复字串信息
        left = 0  # 窗口的起始位置
        for right, char in enumerate(s):  # 遍历字符串中的每一个字符
            # 如果字符已经在窗口中，更新窗口起始位置
            if char in last_loc and last_loc[char] >= left:
                left = last_loc[char] + 1
            # 更新字符的最新位置
            last_loc[char] = right
            # 更新结果
            res = max(res, right - left + 1)

        return res

🛠️代码

class Solution:
    def lengthOfLongestSubstring(self, s: str) -> int:
        res = 0  # 初始化结果为 0
        last_loc = {}  # 定义字典 last_loc 用于存储无重复字串信息
        left = 0  # 窗口的起始位置
        for right, char in enumerate(s):  # 遍历字符串中的每一个字符
            # 如果字符已经在窗口中，更新窗口起始位置
            if char in last_loc and last_loc[char] >= left:
                left = last_loc[char] + 1
            # 更新字符的最新位置
            last_loc[char] = right
            # 更新结果
            res = max(res, right - left + 1)

        return res