问题描述
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。提示：
1 <= s.length <= 1041 <= words.length <= 50001 <= words[i].length <= 30words[i]和s由小写英文字母组成\
解题思路
核心思想
我们需要找到 s 中所有包含 words 中所有单词的串联子串的起始索引。由于 words 中所有单词的长度相同，我们可以利用滑动窗口和哈希表来解决这个问题。
具体步骤
-
预处理：
-
计算每个单词的长度
wordLength和所有单词的总长度totalLength。 -
使用哈希表
wordCounts记录words中每个单词的频率。
-
-
滑动窗口：
-
遍历
s中所有可能的起始位置（从0到s.length() - totalLength）。 -
对于每个起始位置，检查从该位置开始的长度为
totalLength的子串是否是一个有效的串联子串。
-
-
检查子串：
-
将子串分割成长度为
wordLength的单词。 -
使用另一个哈希表
currentCounts记录当前子串中每个单词的频率。 -
如果
currentCounts与wordCounts完全匹配，则当前子串是一个有效的串联子串。
-
-
记录结果：
- 如果找到有效的串联子串，记录其起始索引。
代码实现
java
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
class Solution {
public List<Integer> findSubstring(String s, String[] words) {
List<Integer> result = new ArrayList<>();
if (s == null || words == null || words.length == 0) {
return result;
}
int wordLength = words[0].length(); // 每个单词的长度
int totalWords = words.length; // 单词的总数
int totalLength = wordLength * totalWords; // 串联子串的总长度
// 统计 words 中每个单词的频率
Map<String, Integer> wordCounts = new HashMap<>();
for (String word : words) {
wordCounts.put(word, wordCounts.getOrDefault(word, 0) + 1);
}
// 遍历所有可能的起始位置
for (int i = 0; i <= s.length() - totalLength; i++) {
// 当前窗口的单词频率
Map<String, Integer> currentCounts = new HashMap<>();
int j = 0;
// 检查当前窗口是否匹配
while (j < totalWords) {
String word = s.substring(i + j * wordLength, i + (j + 1) * wordLength);
if (!wordCounts.containsKey(word)) {
break; // 如果单词不在 words 中，直接跳出
}
currentCounts.put(word, currentCounts.getOrDefault(word, 0) + 1);
// 如果当前单词的频率超过了 words 中的频率，跳出
if (currentCounts.get(word) > wordCounts.get(word)) {
break;
}
j++;
}
// 如果完全匹配，将起始索引添加到结果中
if (j == totalWords) {
result.add(i);
}
}
return result;
}
}复杂度分析
-
时间复杂度 ：
O(n * m)，其中n是字符串s的长度，m是words的长度。 -
空间复杂度 ：
O(m)，用于存储words中单词的频率。
总结
通过滑动窗口和哈希表的方法，我们可以高效地解决这个问题。关键在于将问题分解为多个小步骤，并利用哈希表快速检查单词频率是否匹配。希望这篇博客能帮助你更好地理解这道题目的解法！