串联所有单词的子串
题目描述:
给定一个字符串 s
和一个字符串数组 words
。 words
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。
- 例如,如果
words = ["ab","cd","ef"]
, 那么"abcdef"
,"abefcd"
,"cdabef"
,"cdefab"
,"efabcd"
, 和"efcdab"
都是串联子串。"acdbef"
不是串联子串,因为他不是任何words
排列的连接。
返回所有串联子串在 s
中的开始索引。你可以以 任意顺序 返回答案。
示例 1:
输入:s = "barfoothefoobarman", words = ["foo","bar"]
输出:[0,9]
解释:因为 words.length == 2 同时 words[i].length == 3,连接的子字符串的长度必须为 6。
子串 "barfoo" 开始位置是 0。它是 words 中以 ["bar","foo"] 顺序排列的连接。
子串 "foobar" 开始位置是 9。它是 words 中以 ["foo","bar"] 顺序排列的连接。
输出顺序无关紧要。返回 [9,0] 也是可以的。
示例 2:
输入:s = "wordgoodgoodgoodbestword", words = ["word","good","best","word"]
输出:[]
解释:因为 words.length == 4 并且 words[i].length == 4,所以串联子串的长度必须为 16。
s 中没有子串长度为 16 并且等于 words 的任何顺序排列的连接。
所以我们返回一个空数组。
示例 3:
输入:s = "barfoofoobarthefoobarman", words = ["bar","foo","the"]
输出:[6,9,12]
解释:因为 words.length == 3 并且 words[i].length == 3,所以串联子串的长度必须为 9。
子串 "foobarthe" 开始位置是 6。它是 words 中以 ["foo","bar","the"] 顺序排列的连接。
子串 "barthefoo" 开始位置是 9。它是 words 中以 ["bar","the","foo"] 顺序排列的连接。
子串 "thefoobar" 开始位置是 12。它是 words 中以 ["the","foo","bar"] 顺序排列的连接。
思路分析:
滑动窗口法
什么是滑动窗口法?
滑动窗口,可以用来解决一些查找满足一定条件的连续区间的性质(长度等)的问题。由于区间连续,因此当区间发生变化时,可以通过旧有的计算结果对搜索空间进行剪枝,这样便减少了重复计算,降低了时间复杂度。往往类似于"请找到满足xx的最x的区间(子串、子数组)的xx"这类问题都可以使用该方法进行解决。
一般滑动窗口维护两个指针,左指针和右指针。
当窗口内的元素未达到题目条件时,右指针右移,探索未知的区间来满足条件
当窗口内的元素达到题目条件时,左指针右移,压缩区间,使窗口尽可能短得满足题目条件
滑动窗口常规模板:
int slidingWindow(vector<int> nums) {
int n = nums.size();
int ans = 0;
// 记录窗口内的元素及其个数,非必要
map<int, int> um;
// l:窗口左边界; r:窗口右边界
int l = 0, r = 0;
// r 指针负责探索新的区间,直到搜索到nums的某末尾
while (r < n) {
um[r]++;
// 如果区间不满足条件,l指针右移,窗口收缩
while(区间 [l, r] is Invalid) {
um[l]--;
l++;
}
// 此处处理结果, deal with(ans, 区间[l, r])
res = max(ans, r - l + 1); // 或者res = min(ans, r - l + 1);
// 右指针右移,继续搜索
r++;
}
return ans;
}
代码实现注解:
class Solution {
public List<Integer> findSubstring(String s, String[] words) {
// 单词的数量
int allCount = words.length;
// 单个单词的长度
int aloneLen = words[0].length();
List<Integer> ret = new ArrayList<>();
//当遍历长度超过整个字符串的长度推出循环
for (int i = 0; i < aloneLen; i++) {
//Map集合获取键值对,map表示滑动窗口中的单词频次和words中的单词频率之差,string收集在words中出现的单词,int收集出现频率
Map<String, Integer> map = new HashMap<>();
//遍历words中的word,对窗口里的每个单词计算差值
for (String word : words) {
map.put(word, map.getOrDefault(word, 0) + 1);
}
// 左边界,起始下标
int left = i;
// 右边界
int right = i;
// 当前匹配上的单词数量
int curCount = 0;
//开始滑动窗口
while (right <= s.length() - aloneLen) {
//code用来存放即将进入窗口的单词
String code = s.substring(right, right + aloneLen);
//用于计录该单词需要的次数
Integer cnt = map.getOrDefault(code, 0);
if (cnt > 0) {
// 右边的单词滑进来,并减数量
curCount++;
map.put(code, cnt - 1);
right += aloneLen;
if (curCount == allCount) {
ret.add(left);
}
} else {
// 如果没有剩余且有消耗,左边的单词滑出去
if (curCount > 0) {
String preCode = s.substring(left, left + aloneLen);
map.put(preCode, map.get(preCode) + 1);
left += aloneLen;
curCount--;
} else {
// 这里增长 aloneLen,是一个单词的长度
left += aloneLen;
right += aloneLen;
}
}
}
}
return ret;
}
}