力扣-3-无重复字符的最长子串

一、题目理解

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。

示例

示例 1：输入 s = "abcabcbb"，输出 3（最长子串是 "abc"，长度为 3）；
示例 2：输入 s = "bbbbb"，输出 1（最长子串是 "b"，长度为 1）；
示例 3：输入 s = "pwwkew"，输出 3（最长子串是 "wke" 或 "kew"，长度为 3）。

关键说明

子串：是字符串中连续的字符序列（区别于子序列，子序列可以不连续）；
无重复：子串中每个字符都只能出现一次。

二、解题思路

这道题的最优解法是滑动窗口（双指针）+ 哈希表，核心逻辑是：

用两个指针（左指针 left、右指针 right）表示当前的"无重复子串窗口"；
右指针向右移动，逐个加入字符，用哈希表（或数组）记录字符的最新位置；
若右指针遇到重复字符，且该字符在当前窗口内（位置 ≥ left），则将左指针移动到"重复字符的下一位"，保证窗口内始终无重复；
每次移动右指针，计算当前窗口长度，更新最大长度。

思路对比（新手友好）

暴力解法：枚举所有子串，判断是否有重复，时间复杂度 O(n2)O(n^2)O(n2)，效率低；
滑动窗口：仅遍历字符串一次，时间复杂度 O(n)O(n)O(n)，是最优解。

三、Java代码实现（最优解）

java 复制代码

class Solution {
    public int lengthOfLongestSubstring(String s) {
        // 记录字符的最新索引（ASCII字符范围0-127，用数组比HashMap更高效）
        int[] charIndex = new int[128];
        // 初始化数组值为-1（表示字符未出现过）
        for (int i = 0; i < 128; i++) {
            charIndex[i] = -1;
        }
        
        int maxLen = 0; // 记录最长无重复子串长度
        int left = 0;   // 滑动窗口左指针（窗口起始位置）
        
        // 右指针right遍历字符串，逐个加入字符
        for (int right = 0; right < s.length(); right++) {
            char currChar = s.charAt(right);
            // 若当前字符已出现，且在当前窗口内（索引≥left），则移动左指针到重复字符的下一位
            if (charIndex[currChar] != -1 && charIndex[currChar] >= left) {
                left = charIndex[currChar] + 1;
            }
            // 更新当前字符的最新索引
            charIndex[currChar] = right;
            // 计算当前窗口长度，更新最大值
            maxLen = Math.max(maxLen, right - left + 1);
        }
        
        return maxLen;
    }
}

四、代码关键解析

数据结构选择（数组 vs HashMap）
- 为什么用 int[128] 而不是 HashMap<Character, Integer>？
  字符串的字符本质是ASCII码（范围0-127），数组访问速度比哈希表更快，且无需处理哈希冲突，空间复杂度仅 O(1)O(1)O(1)（数组大小固定为128）。
- 数组值的含义：charIndex[c] 表示字符 c 最后一次出现的索引，初始值 -1 表示未出现。
滑动窗口核心逻辑

以 s = "abcabcbb" 为例，分步拆解：
- right=0（字符'a'）：charIndex['a']=-1，窗口 [0,0]，长度1，maxLen=1，更新 charIndex['a']=0；
- right=1（字符'b'）：charIndex['b']=-1，窗口 [0,1]，长度2，maxLen=2，更新 charIndex['b']=1；
- right=2（字符'c'）：charIndex['c']=-1，窗口 [0,2]，长度3，maxLen=3，更新 charIndex['c']=2；
- right=3（字符'a'）：charIndex['a']=0 ≥ left=0，左指针移到 0+1=1，窗口 [1,3]，长度3，maxLen仍为3，更新 charIndex['a']=3；
- 后续遍历：窗口会动态调整，但maxLen始终保持3，最终返回3。
关键判断条件
charIndex[currChar] != -1 && charIndex[currChar] >= left：
- 第一个条件：字符是否出现过；
- 第二个条件：字符的上一次出现位置是否在当前窗口内（比如字符'a'之前出现在索引0，但左指针已移到1，说明该重复字符不在窗口内，无需调整左指针）。
窗口长度计算
right - left + 1：比如窗口是 [1,3]，长度是 3-1+1=3（对应字符'b','c','a'）。

五、边界情况测试

空字符串：s=""，返回0；
单字符：s="a"，返回1；
全重复：s="bbbbb"，返回1；
无重复：s="abcd"，返回4；
重复字符在窗口外：s="abba"，right=3（字符'a'）时，charIndex['a']=0 < left=2，无需调整左指针，窗口 [2,3]，长度2。

总结

核心解法：滑动窗口（双指针） 是解决"最长无重复子串"类问题的最优思路，时间复杂度 O(n)O(n)O(n)（仅遍历一次字符串）；
优化技巧：用固定大小的数组 替代HashMap存储字符索引，兼顾时间和空间效率（空间复杂度 O(1)O(1)O(1)）；
关键细节：调整左指针时，必须保证左指针只向右移动（避免回退），且仅当重复字符在当前窗口内时才调整。

这道题是滑动窗口的入门经典题，掌握后可以举一反三解决类似的"子串/子数组"问题（比如"最小覆盖子串"），核心是理解"窗口的动态调整逻辑"。