题目链接： https://leetcode.cn/problems/longest-substring-without-repeating-characters/
LeetCode 3.无重复字符的最长子串
题目描述
给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串 的长度。
输入：一个字符串s
输出：s的无重复字符最长子串的长度
举例：s = "abcabcbb", 那么其无重复字符的最长子串为"abc", 所以返回值是3。视频题解
无重复字符的最长子串
思路来源
思路来源
思路解析
字符串相关的题目在面试中出现的频率是特别高的，主要原因有以下几点：
- 字符串在日常开发中是我们打交道相对比较多的一种数据类型，题目描述比较简单易懂，基本不会出现面试官描述完题目候选人不理解题目本身意思的情况。
- 字符串可玩性高，排序、递归、回溯、二分查找、动态规划等基本都能基于字符串来出题，很容易考察一个候选人的代码能力。
所以刷题的过程中，字符串相关的题目应该着重去关注。
基本上有点编程基础的同学都能想到一种暴力的算法，两个for循环找出所有的子串，针对每个子串去判断是否有重复字符，这样的时间复杂度太高了，很显然这并不是面试官想要的答案。
下面介绍一种基于 滑动窗口 的方式来解此题。所谓滑动窗口，其实就是由两个索引维护一个区间，满足一定条件时会动态的去调整这个区间 。非常像计算机网络里面tcp协议栈里所用到的滑动窗口算法。这里的两个索引的决定了滑动窗口的起点和终点，始终保持滑动窗口中的元素是不重复的，这题就变成了找到包含非重复元素的最长窗口。
定义left = 0， right = 0，结果保存到res， 统计窗口中字符的集合u_set，区间[left, right]即滑动窗口的区间。
问题的关键就是左右边界如何滑动，窗口滑动策略如下：
- 如果
s[right]不在u_set中，把s[right]加入到u_set中并更新结果res = max(res, right - left + 1)，right向右滑动，直到s[right]在u_set中,进入步骤2。 - 如果
s[right]在u_set中，u_set删除s[left]，left向右滑动，直到s[right]不在u_set中，进入步骤1。
根据上面的策略我们就可以获得以字符串s任意位置为右边界(枚举满足条件的右边界)的所有候选窗口，只需要把其中最长的一个窗口的长度返回即可。
看到这里有些同学可能还是不大理解，文字描述的比较抽象，我特意根据一个简单的例子画了个流程图来帮助理解。
比如给定s="abcac",其大致流程如图所示：
C++代码实现
cpp
class Solution {
public:
int lengthOfLongestSubstring(string s) {
unordered_set<char> u_set;
int res = 0;
int len = s.length();
int cur_window = 0; //当前窗口大小
for (int left = 0, right = 0; right < len; ++right) {
while (left < right && u_set.count(s[right])) {
//s[right]已经在u_set中,窗口区间[left,right]中存在重复的元素
//移动left直到窗口区间[left,right]中不存在重复元素
u_set.erase(s[left]);
++left;
--cur_window;
}
u_set.insert(s[right]);
++cur_window;
res = max(res, cur_window);
}
return res;
}
};java代码
java
class Solution {
public int lengthOfLongestSubstring(String s) {
Set<Character> uSet = new HashSet<>();
int res = 0;
int len = s.length();
int curWindow = 0; // 当前窗口大小
for (int left = 0, right = 0; right < len; ++right) {
while (left < right && uSet.contains(s.charAt(right))) {
// s.charAt(right) 已经在 uSet 中，窗口区间 [left, right] 中存在重复的元素
// 移动 left 直到窗口区间 [left, right] 中不存在重复元素
uSet.remove(s.charAt(left));
++left;
--curWindow;
}
uSet.add(s.charAt(right));
++curWindow;
res = Math.max(res, curWindow);
}
return res;
}
}python代码
python
class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
u_set = set()
res = 0
length = len(s)
cur_window = 0 # 当前窗口大小
left = 0
right = 0
while right < length:
while left < right and s[right] in u_set:
# s[right]已经在u_set中,窗口区间[left,right]中存在重复的元素
# 移动left直到窗口区间[left,right]中不存在重复元素
u_set.remove(s[left])
left += 1
cur_window -= 1
u_set.add(s[right])
cur_window += 1
res = max(res, cur_window)
right += 1
return res复杂度分析
时间复杂度： 不要看到代码用了一个for嵌套一个while就以为时间复杂度是O(n2) ，left，right都是不会回头的两个索引，各自最多只遍历一遍字符串，unordered_set的查找效率一般是O(1) ，最坏的情况是O(n)这种情况一般是数据量巨大，存在很多哈希冲突，基本上退化成了链表。由于我们字符集大小也就几百个，不会出现这种最坏的情况。故总的时间复杂度为O(n) ， n为字符串长度。
空间复杂度： 用了三个int型变量，一个set，set的最大元素个数为字符集的个数，所以空间复杂度为3 * O(1) + O(m) = O(m)，m为字符集的大小。