题目描述
给定一个字符串 s，找出其中不含有重复字符的最长子串 的长度。题目链接
示例
- 输入:
s = "abcabcbb"，输出:3（最长无重复子串为 "abc"） - 输入:
s = "bbbbb"，输出:1（最长无重复子串为 "b"） - 输入:
s = "pwwkew"，输出:3（最长无重复子串为 "wke"）
解法一：滑动窗口（长度维护法）
思路：利用哈希表记录字符最后出现的索引，通过维护「以当前字符结尾的无重复子串长度」动态调整窗口边界。
python
class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
ans = pre = 0 # ans记录最长长度，pre记录当前子串长度
m = {} # 存储字符最后出现的索引
for k, v in enumerate(s):
pre = min(pre + 1, k - m.get(v, -1)) # 调整当前子串长度
ans = max(ans, pre) # 更新最长长度
m[v] = k # 记录当前字符的最新位置
return ans关键点解析：
pre = min(pre + 1, k - m.get(v, -1))：
-
- 若字符未重复，子串长度+1；若重复，则收缩窗口至重复字符的下一位
min操作确保窗口左边界不回退
- 时间复杂度：O(n)，每个字符仅遍历一次
- 空间复杂度：O(m)，m为字符集大小（最坏存所有不同字符）
解法二：滑动窗口（边界维护法）
思路：直接维护窗口左边界，确保窗口内无重复字符，通过「当前索引-左边界」计算窗口长度。
python
class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
m = {} # 存储字符最后出现的索引
pre, ans = -1, 0 # pre为窗口左边界（不包含），ans为最长长度
for i, v in enumerate(s):
pre = max(pre, m.get(v, -1)) # 左边界不回退
ans = max(ans, i - pre) # 计算当前窗口长度
m[v] = i # 记录当前字符的最新位置
return ans关键点解析：
pre = max(pre, m.get(v, -1))：
-
- 若字符重复，左边界移动至重复字符的下一位；否则保持原边界
max操作确保左边界不回退
- 窗口长度直接由
i - pre计算，逻辑更直观 - 时间/空间复杂度与解法一一致
两种解法对比
| 维度 | 解法一（长度维护） | 解法二（边界维护） |
|---|---|---|
| 核心变量 | pre 表示当前子串长度 |
pre 表示窗口左边界（不包含） |
| 边界控制 | min(pre+1, k-m[v]) |
max(pre, m[v]) |
| 长度计算 | 隐式在 pre 中更新 |
显式通过 i-pre 计算 |
| 代码可读性 | 较简洁，但逻辑需要结合子串长度理解 | 更直观，直接对应滑动窗口模型 |
优化拓展
- 字符集限制：若已知字符集（如ASCII），可用长度256的数组替代字典，提升常数性能
- 边界处理：空字符串直接返回0（两解法均已自动处理）
- 极端测试用例：
-
- 全重复字符（如"aaaaa"）→ 输出1
- 无重复字符（如"abcdefg"）→ 输出长度n
- 回文字符串（如"abba"）→ 输出2（子串"ab"或"ba"）
总结
两解法均为滑动窗口的经典实现，通过哈希表记录字符位置实现O(n)时间复杂度。解法二通过直接维护窗口边界，代码逻辑更贴近滑动窗口的直观理解，是更推荐的实现方式。在面试中，此类解法能体现对线性时间算法和空间换时间思想的掌握。