所有 DNA 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。
编写一个函数来查找 DNA 分子中所有出现超多一次的10个字母长的序列(子串)。
示例:
输入: s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT"
输出: ["AAAAACCCCC", "CCCCCAAAAA"]
这个题思想较为简答,从第十个开始遍历,如果过去到现在的10个长序列出现在集合中,那么就放到结果中,如果没出现过,就放到集合中。这样稍微有些耗费空间,C++使用二进制数字代表每一个字符,其后三位ascii码来表示数字,这样十个字母只需要一个int即可表示。
C++源代码:
class Solution {
public:
vector<string> findRepeatedDnaSequences(string s) {
unordered_set<string> res;
unordered_set<int> st;
int cur = 0;
for