当前位置: 首页 > article >正文

Leetcode 每日一题 30.串联所有单词的子串

目录

问题描述

示例

问题分析

算法设计

1. 初始化

2. 滑动窗口

3. 窗口扩展和收缩

4. 检查子串

5. 返回结果

过题图片

代码实现

题目地址

总结


问题描述

给定一个字符串 s 和一个字符串数组 wordswords 中所有字符串长度相同。s 中的串联子串是指一个包含 words 中所有字符串以任意顺序排列连接起来的子串。我们需要返回所有串联子串在 s 中的开始索引。

示例

  1. 输入:s = "barfoothefoobarman", words = ["foo","bar"] 输出:[0,9]

  2. 输入:s = "wordgoodgoodgoodbestword", words = ["word","good","best","word"] 输出:[]

  3. 输入:s = "barfoofoobarthefoobarman", words = ["bar","foo","the"] 输出:[6,9,12]

问题分析

这个问题可以通过滑动窗口和哈希表的方法来解决。我们需要检查字符串 s 中的每个可能的子串,看它是否由 words 数组中的所有单词组成。由于 words 中的单词长度相同,我们可以利用这个特性来优化我们的搜索。

算法设计

1. 初始化

  • 创建一个空的 ArrayList 来存储结果。
  • 检查输入字符串 s 和单词数组 words 是否为空,如果为空则直接返回空列表。
  • 获取单词数组中每个单词的长度 oneLen
  • 使用 HashMap 来存储每个单词出现的次数。

2. 滑动窗口

  • 外层循环从 0 到 s.length() - oneLen * words.length,这是因为我们需要检查 s 中所有可能的子串。
  • 对于每个起始位置 i,我们使用两个指针 left 和 right 来表示当前窗口的边界,并在窗口内维护一个哈希表 tem 来记录当前窗口中单词的出现次数。

3. 窗口扩展和收缩

  • 内层循环通过移动 right 指针来扩展窗口,直到窗口的大小超过字符串 s 的长度。
  • 如果当前窗口中的字符串 str 不在 map 中,清空 tem 并重置 left 指针,重新开始计数。
  • 如果 str 在 map 中,更新 tem 中 str 的计数。
  • 如果 tem 中 str 的计数超过了 map 中的计数,收缩窗口直到 tem 中 str 的计数不超过 map 中的计数。

4. 检查子串

  • 如果 tem 中的单词计数与 words 数组中的单词计数相等,则说明找到了一个符合条件的子串,将其起始位置 left 添加到结果列表中。
  • 为了寻找下一个可能的子串,移除当前子串的第一个单词,并更新 left 指针。

5. 返回结果

  • 返回包含所有子串起始位置的列表。

过题图片

代码实现

 

java

class Solution {
    public List<Integer> findSubstring(String s, String[] words) {
        List<Integer> res = new ArrayList<>();
        int m = s.length(), n = words.length;
        if (m == 0 || n == 0) return res;
        int oneLen = words[0].length();
        Map<String, Integer> map = new HashMap<>();
        for (String word : words) {
            map.put(word, map.getOrDefault(word, 0) + 1);
        }
        for (int i = 0; i <= m - oneLen * n; i++) {
            Map<String, Integer> tem = new HashMap<>();
            int count = 0;
            for (int j = 0; j < n; j++) {
                String str = s.substring(i + j * oneLen, i + (j + 1) * oneLen);
                if (!map.containsKey(str) || tem.getOrDefault(str, 0) >= map.get(str)) {
                    i += oneLen * (j - count);
                    tem.clear();
                    count = 0;
                } else {
                    tem.put(str, tem.getOrDefault(str, 0) + 1);
                    count++;
                }
            }
            if (count == n) {
                for (int k = 0; k < oneLen; k++) {
                    res.add(i);
                    i += oneLen;
                    for (int j = 0; j < n - 1; j++) {
                        String str = s.substring(i + j * oneLen, i + (j + 1) * oneLen);
                        tem.put(str, tem.getOrDefault(str, 0) - 1);
                        if (tem.get(str) == 0) {
                            i += oneLen * (n - 1 - count);
                            tem.clear();
                            count = 0;
                            break;
                        }
                    }
                }
            }
        }
        return res;
    }
}

题目地址

30. 串联所有单词的子串 - 力扣(LeetCode)

总结

这个问题考察了滑动窗口和哈希表的应用,通过维护一个当前窗口内单词的出现次数,我们可以有效地检查每个可能的子串是否满足条件。这种方法的时间复杂度为 O(n * m),其中 n 是 words 数组的长度,m 是字符串 s 的长度。


http://www.kler.cn/a/413212.html

相关文章:

  • Qt程序发布及打包成exe安装包
  • JavaScript练习2——动态“钟”的绘制
  • 如何搭建一个小程序:从零开始的详细指南
  • 3分钟快速掌握—— 进制转换,二进制计算【零基础】
  • 基础入门-Web应用架构类别源码类别镜像容器建站模版编译封装前后端分离
  • Spring Boot林业产品推荐系统:用户指南
  • 《用Python实现3D动态旋转爱心模型》
  • 前端学习笔记之FileReader
  • 蓝牙定位的MATLAB仿真程序|基于信号强度的定位,平面、四个蓝牙基站(附源代码)
  • React的基础知识:Context
  • 【vue】导航守卫
  • 高级java每日一道面试题-2024年11月27日-JVM篇-JVM的永久代中会发生垃圾回收么?
  • 将jar包导入maven
  • 【git】取消一个已提交的文件或路径的追踪
  • Java线程的使用
  • 多线程 相关面试集锦
  • 修改Docker 默认存储目录( Docker Root Dir: /var/lib/docker)
  • C# 属性 学习理解记录
  • 微信小程序构建npm失败,没有找到可以构建的npm包
  • Spring框架整合单元测试
  • Transactional 直接放在接口方法和类方法有什么不同
  • css Grid网格布局
  • Zabbix 7.0 LTS Docker Compose 部署指南与遇到问题解决
  • 化工专业如何转软工
  • PyQt学习笔记
  • 安卓悬浮窗应用外无法穿透事件问题