LeetCode题练习与总结：重复的DNA序列--187

一、题目描述

DNA序列 由一系列核苷酸组成，缩写为 'A', 'C', 'G' 和 'T'.。

• 例如，"ACGAATTCCG" 是一个 DNA序列 。

在研究 DNA 时，识别 DNA 中的重复序列非常有用。

给定一个表示 DNA序列 的字符串 s ，返回所有在 DNA 分子中出现不止一次的 长度为 10 的序列(子字符串)。你可以按 任意顺序 返回答案。

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 <= 10^5
• s[i]=='A'、'C'、'G' or 'T'

二、解题思路

• 遍历字符串s，从索引0开始，每次截取长度为10的子字符串。
• 使用一个HashSet来存储已经遍历过的子字符串，用于快速查找重复的序列。
• 使用一个ArrayList来存储结果，即那些出现不止一次的长度为10的子字符串。
• 在遍历过程中，每截取一个长度为10的子字符串，就检查它是否在HashSet中：
  • 如果不在，将其添加到HashSet中。
  • 如果在，并且ArrayList中还没有这个子字符串，则将其添加到ArrayList中。
• 遍历完成后，返回ArrayList中的结果。

三、具体代码

import java.util.ArrayList;
import java.util.HashSet;
import java.util.List;

class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        // 存储所有出现过的长度为10的子字符串
        HashSet<String> seen = new HashSet<>();
        // 存储重复出现的长度为10的子字符串
        HashSet<String> repeated = new HashSet<>();
        // 结果列表
        List<String> result = new ArrayList<>();

        // 遍历字符串，确保子字符串长度至少为10
        for (int i = 0; i <= s.length() - 10; i++) {
            // 截取长度为10的子字符串
            String sequence = s.substring(i, i + 10);
            // 检查子字符串是否已经出现过
            if (!seen.add(sequence)) {
                // 如果已经出现过，并且还没有添加到结果列表中，则添加
                repeated.add(sequence);
            }
        }

        // 将重复出现的子字符串添加到结果列表中
        result.addAll(repeated);
        return result;
    }
}

这段代码首先创建了一个HashSet seen 来记录所有出现过的长度为10的子字符串，然后创建了一个HashSet repeated 来记录重复出现的子字符串。当遍历到重复的子字符串时，就将其添加到 repeated 中。最后，将 repeated 中的所有元素添加到结果列表 result 中并返回。注意，这里使用了 seen.add(sequence) 来判断是否已经添加过该子字符串，这个方法会返回false如果子字符串已经存在，因此如果子字符串重复，它就会被添加到 repeated 中。

四、时间复杂度和空间复杂度

1. 时间复杂度

• 循环遍历字符串s：由于每次循环都是固定截取长度为10的子字符串，循环次数为s.length() - 10 + 1，因此循环的复杂度为O(n)，其中n是字符串s的长度。

• 在循环内部，每次操作都包括：

  • substring操作：截取子字符串，这个操作的时间复杂度为O(1)，因为子字符串的长度是固定的10。
  • add操作：向HashSet中添加元素，这个操作的时间复杂度平均为O(1)。

因此，总的时间复杂度为O(n)，因为每次循环的操作都是常数时间复杂度，并且循环次数与字符串长度线性相关。

2. 空间复杂度

• seen HashSet：存储所有出现过的长度为10的子字符串，最坏情况下，每个长度为10的子字符串都不同，则seen的大小为O(n)，其中n是字符串s的长度。

• repeated HashSet：存储重复出现的长度为10的子字符串，最坏情况下，所有长度为10的子字符串都重复出现，则repeated的大小为O(n/10)。

• result ArrayList：存储结果，最坏情况下，所有长度为10的子字符串都重复出现，则result的大小为O(n/10)。

综合上述，空间复杂度为O(n)，因为seen的大小与字符串长度线性相关，而repeated和result的大小最多也是与字符串长度线性相关。

五、总结知识点

• 类定义 (class 关键字):

  • 定义了一个名为 Solution 的类。

• 方法定义:

  • 定义了一个公共方法 findRepeatedDnaSequences，它接受一个 String 类型的参数并返回一个 List<String>。

• 集合框架:

  • HashSet: 用于存储不重复的元素集合，提供了 O(1) 时间复杂度的查找性能。
  • ArrayList: 用于存储可重复的元素集合，支持动态数组的功能。

• 字符串操作:

  • substring(int beginIndex, int endIndex): 用于从原始字符串中截取子字符串。

• 循环结构:

  • 使用 for 循环遍历字符串，计算子字符串的起始索引。

• 条件判断:

  • 使用 if 语句来检查一个子字符串是否已经存在于 HashSet 中。

• 集合操作:

  • add(E e): 向集合中添加元素，并返回一个布尔值表示是否添加成功（对于 HashSet，如果元素已存在，则返回 false）。
  • addAll(Collection<? extends E> c): 将一个集合中的所有元素添加到另一个集合中。

• 泛型:

  • 使用泛型来指定集合中元素的类型，例如 List<String> 和 HashSet<String>。

• 异常处理:

  • 代码中没有显示地处理异常，但 substring 方法可能会抛出 StringIndexOutOfBoundsException 如果索引不合法。

以上就是解决这个问题的详细步骤，希望能够为各位提供启发和帮助。