文章目录
摘要
你有没有遇到过这种情况：有一堆字符串，看起来只是"平移"了一下，比如 abc -> bcd，或者 az -> ba，虽然字母换了，但它们给人的感觉还是很像。LeetCode 第 249 题就正好考了这个点：把所有属于同一个"移位字符串序列"的东西分成一组。
别看题目挺简单，其实要把这类"差不多但不完全一样"的字符串精准归类，还是有点技术含量的。这篇文章用 Swift 来做这道题，并结合实际开发场景讲讲它能怎么用，还会附上完整可运行的 Demo 和讲解。
描述
我们有一个只包含小写字母的字符串列表，比如：
swift
["abc", "bcd", "acef", "xyz", "az", "ba", "a", "z"]我们希望把其中属于同一"移位序列"的字符串分组。比如：
"abc"->"bcd"->"cde"，这类的归一组"az"和"ba"，虽然乍看没啥关系，但实际上也算同一个"偏移规律"，可以放一起"acef"没有能跟它组队的，就自己一组
最后的输出应该是这样：
swift
[
["abc","bcd","xyz"],
["az","ba"],
["acef"],
["a","z"]
]痛点分析 & 实际应用场景
这个题其实挺有意思，因为它背后解决的是一种非常实际的问题：怎么找出那些"表面不一样、但本质上变化规律相同"的东西。你可能会觉得这玩意平时开发用不着，但我们来看几个真实场景：
1. 防刷系统识别：
在社交平台上，有些用户发骚扰信息时会稍微改一下内容，比如：
txt
"hi there" -> "ij uifsf" -> "jk vjgtg"其实就是每个字母往后挪了一位、两位、三位...你肉眼一看很像，但程序该怎么识别出来这是一类"伪装"的垃圾信息呢？这道题的逻辑就能用上。
2. 智能输入法候选词推荐：
用户打了个错别字，比如输入 bcd，其实是想输入 abc，那我们能不能把这种偏移关系也识别出来作为候选词推荐？靠的也是类似的偏移计算。
3. 密码安全检测：
用户试图设置一个和之前密码差不多的新密码，比如原来是 abc123，新设置成 bcd123，其实没啥变化。这种逻辑在安全校验里也是经常遇到的。
4. 自然语言处理中的文本聚类：
比如说一个聊天机器人收集到很多用户的意图，但有一类人喜欢换着字母输入（变形词），你就需要判断这是不是同一类话术模式。
说到底，这题就是在考"如何识别相似但又不是完全一样的内容"。
Swift 题解答案
思路其实不复杂，我们可以对每个字符串生成一个"差值序列"当作 key，比如：
abc的字符间差值是 [1, 1]bcd也是 [1, 1]az是 [25]
我们把这些差值转换成字符串作为 map 的 key，然后分组就行了。
可运行 Demo 代码
swift
import Foundation
func groupStrings(_ strings: [String]) -> [[String]] {
var groups = [String: [String]]()
for str in strings {
var key = ""
let chars = Array(str)
for i in 1..<chars.count {
let diff = (Int(chars[i].asciiValue!) - Int(chars[i - 1].asciiValue!) + 26) % 26
key += "\(diff),"
}
groups[key, default: []].append(str)
}
return Array(groups.values)
}题解代码分析
我们来拆解一下关键部分：
差值是怎么来的？
举个例子，abc 中：
'b' - 'a' = 1'c' - 'b' = 1
差值数组就是 [1, 1]，我们转成 "1,1," 当作 key。只要差值序列一样，说明这个字符串和前面的某个是"移位版本"。
为什么加 +26 再 %26？
因为我们要处理 'z' -> 'a' 这种环绕关系。比如：
swift
let diff = ('a' - 'z' + 26) % 26 // 结果是 1这样 az 和 ba 这类看似不连贯的字符串，也能算是同一组。
示例测试及结果
来跑个例子看看效果：
swift
let input = ["abc", "bcd", "acef", "xyz", "az", "ba", "a", "z"]
let result = groupStrings(input)
for group in result {
print(group)
}打印结果：
txt
["abc", "bcd", "xyz"]
["az", "ba"]
["acef"]
["a", "z"]这就和题目期望一模一样。
时间复杂度分析
假设我们有 n 个字符串，每个字符串长度最多 k：
- 外层遍历所有字符串是
O(n) - 内层处理每个字符串生成 key 是
O(k)
所以总体复杂度是 O(n * k)
空间复杂度分析
我们用了一个字典来分组，最坏情况下每个字符串都分一组，字典大小也是 O(n * k)（因为 key 是字符串差值序列）
总结
这题核心是找出规律："移位"的本质就是字符间的差值一致。不需要真的去"移"字符串，只要你能拿到这个差值序列，你就能判断两个字符串是不是一个套路。
另外也提醒我们，在实际开发中处理字符串聚类或异常识别时，找对特征比暴力匹配要高效得多。这个题的差值 key 就是一个很实用的"特征"。
如果你在做一些输入推荐、内容防刷、文本归类功能，不妨试试看用类似的方式去做聚类、查重或识别。