小白的LeetCode刷题日记3--python3

白菜真是菜

于 2022-11-08 18:06:22 发布

阅读量145

点赞数

分类专栏：小白的LeetCode刷题日记文章标签： leetcode 算法职场和发展

本文链接：https://blog.csdn.net/weixin_45739351/article/details/127753258

版权

小白的LeetCode刷题日记专栏收录该内容

3 篇文章 0 订阅

订阅专栏

LeetCode第3题：无重复字符的最长子串

题目描述：

在这里插入图片描述

要求：

在这里插入图片描述

第一种解法：遍历对比

这题我首先想到的就是对比，即将之前已经遍历过的元素加入列表中，利用python的in操作符，可以简单地进行对比，所以我们先建立一个store列表用来存储已遍历过的元素，用maxlen来记录最长字串长度，用tmplen来记录遍历过程字串长度的变化。这题用python能使代码更简洁，写起来也方便

store = []
maxlen = 0
tmplen = 0

武器有了，接下来开始实践，首先一个for循环取字符串s的字符

for i in s：

接下来开始if判断，如果当前的i元素已经存在于列表store，首先判断最长字串长度maxlen是否更新，如果临时记录字串长度的tmplen已经比maxlen长，则更新，相等和小于皆不更新

if i in store:
	if maxlen < tmplen:
		maxlen = tmplen

然后就是用index索引函数寻找当前在列表store中和i元素相同的下标，利用列表的切片功能将其后面的元素切出来赋予store（因为在store中和i相同的元素后面可能还有元素存在，所以需要用到切片），然后再将当前的i元素用append函数加入，再求一下当前列表长度即可

store = store[store.index(i)+1:]
store.append(i)
tmplen = len(store)

如果当前i元素不在列表store里面，则说明字串加上i元素后仍没有重复元素，此时tmplen需要加1，store列表再添加当前元素即可

else:
	tmplen += 1
	store.append(i)

最后还需要判断maxlen和tmplen之间的长度，因为上面的for循环在最后一个元素判断完后，若仍是新元素，则maxlen没有得到更新，所以最后要补一个更新，再返回maxlen即可完成

if maxlen < tmplen:
	maxlen = tmplen
return maxlen

完整代码如下：

class Solution:
    def lengthOfLongestSubstring(self, s: str) -> int:
        store = []
        maxlen = 0
        tmplen = 0
        for i in s:
            if i in store:
                if maxlen < tmplen:
                    maxlen = tmplen
                store = store[store.index(i)+1:]
                store.append(i)
                tmplen = len(store)
            else:
                tmplen += 1
                store.append(i)
        if maxlen < tmplen:
            maxlen = tmplen
        return maxlen

复杂度分析

时间复杂度：这里我们只有一个for循环来对字符串进行遍历，for里面的语句在字符串长度为N时可以省略，因此时间复杂度为O(N)

空间复杂度：空间复杂度取决于我们所建立的store列表长度，最长的情况就是整个字符串都没有重复，因此空间复杂度也为O(N)？实际上我们的字符集是有长度限制的，以ascii码为例，一共就128个，因此空间复杂度最多也就O(128),官方用字母∣Σ∣表示，所以空间复杂度为O(∣Σ∣)

优缺

在这里插入图片描述
这个暂时还没想到。

第二种解法：滑动窗口

这种是LeetCode官方解法，代码更加简洁。解法用到了集合set()来记录，集合和字典一样，底层都是哈希表实现的，具体是将集合当作一个滑动可变长窗口，利用左i、右rk两个指针移动，当右指针移动时进行判断，若当前元素s[rk+1]不在集合里，就将其加入集合中，并且右指针rk+1，即右移一个元素，当元素在集合时，就会跳出while循环，并记录当前字串长度，然后进入下一个for循环，因为跳出for循环说明右指针指向的元素和左指针指向相同，因此就需要将左指针指向的元素删除
代码解析：

occ = set() #集合，充当滑动窗口
n = len(s)  #for循环需要遍历的长度即是字符串s的长度
rk, ans = -1, 0 #rk是右指针（初始-1即还没开始移动，因为字符串初始下标为0），ans则是记录最长字串长度

for i in range(n):
    if i != 0:
        occ.remove(s[i - 1])

利用for循环的i来充当左指针的移动，当进行for循环且不为0是，必是因为出现相同的元素或者已经没有相同元素，拿到正确答案了

while rk + 1 < n and s[rk + 1] not in occ:
    occ.add(s[rk + 1])
    rk += 1

利用右指针右移，在每次右移过程中都会进行判断当前元素是否已经存在集合，没有添加当前元素，并右移（即rk+=1）

ans = max(ans, rk - i + 1)

这里就是ans最长字串长度的更新，当新的字串长度rk-i+1大时，就更新，没有就保持原值，最后return ans就行了
完整代码如下：

class Solution:
    def lengthOfLongestSubstring(self, s: str) -> int:
        occ = set()
        n = len(s)
        rk, ans = -1, 0
        for i in range(n):
            if i != 0:
                occ.remove(s[i - 1])
            while rk + 1 < n and s[rk + 1] not in occ:
                occ.add(s[rk + 1])
                rk += 1
            ans = max(ans, rk - i + 1)
        return ans

复杂度分析

时间复杂度：官方是说O(N)，其中 N是字符串的长度。左指针和右指针分别会遍历整个字符串一次。因为最坏情况是O(∣Σ∣N),即当字符串长度为N，且是按照字符最大不重复长度的∣Σ∣循环组成的，首次遍历后，接下来每次for循环都要左右指针各移动一次，一共N次，当N无限大时，因为∣Σ∣是常数，因此省略，所以时间复杂度为O(N)
空间复杂度：为字符最大不重复的长度，即O(∣Σ∣)