力扣解题-无重复字符的最长子串

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 1: 输入: s = "abcabcbb" 输出: 3 解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。注意 "bca" 和 "cab" 也是正确答案。

示例 2: 输入: s = "bbbbb" 输出: 1 解释: 因为无重复字符的最长子串是 "b"，所以其长度为 1。

示例 3: 输入: s = "pwwkew" 输出: 3 解释: 因为无重复字符的最长子串是 "wke"，所以其长度为 3。请注意，你的答案必须是子串的长度，"pwke" 是一个子序列，不是子串。

提示： 0 <= s.length <= 5 * 104

s 由英文字母、数字、符号和空格组成

第一次解答

解题思路

核心方法：滑动窗口（双指针） + 哈希集合去重，通过动态调整窗口的左右边界，在一次遍历中找到无重复字符的最长子串，将暴力解法的O(n²)时间复杂度优化至O(n)，是该问题的经典最优解法。

具体步骤：

核心原理铺垫 ：滑动窗口是解决"子串/子数组"类问题的常用技巧，本题中用left和right两个指针分别表示窗口的左、右边界，窗口[left, right]内始终维护一个"无重复字符的子串"，通过动态调整边界来找到最长窗口长度。
初始化关键变量 ：
- seen：HashSet<Character>集合，用于快速判断当前字符是否已在窗口内（O(1)查找效率），存储当前窗口内的所有字符；
- left：窗口左指针，初始值为0，代表窗口起始位置；
- maxLength：记录遍历过程中找到的最长无重复子串长度，初始值为0。
右指针遍历扩展窗口 ：
- 右指针right从0开始遍历字符串的每个字符c = s.charAt(right)，代表尝试将当前字符加入窗口；
- 若当前字符c已存在于seen集合中（说明窗口内有重复字符），则进入循环收缩左边界：
  - 移除左指针left指向的字符（seen.remove(s.charAt(left))）；
  - 左指针left右移一位（left++）；
  - 重复上述操作，直到seen中不再包含c（此时窗口内恢复无重复状态）。
- 将当前字符c加入seen集合（此时c是窗口新的右边界字符）；
- 计算当前窗口的长度（right - left + 1），并更新maxLength为"当前最大值"和"窗口长度"中的较大者。
返回结果 ：遍历完成后，maxLength即为无重复字符的最长子串长度，直接返回。

核心优化逻辑说明

时间复杂度优化 ：
- 暴力解法需枚举所有子串（O(n²)），并对每个子串检查是否有重复（O(n)），总时间复杂度O(n³)，无法适配n=5×10⁴的规模；
- 滑动窗口仅需一次遍历（右指针遍历n次），左指针最多也移动n次，整体时间复杂度为O(n)（每个字符最多被左/右指针各访问一次），完全满足题目性能要求。
空间复杂度说明 ：
- 该解法用HashSet存储窗口内字符，最坏情况下（字符串无重复）需存储n个字符，空间复杂度为O(n)，这是"时间换空间"的合理权衡；
- 若需进一步优化空间，可改用数组（ASCII字符范围）替代HashSet，但核心逻辑不变，仅存储方式不同。
性能表现说明：
- 耗时5ms击败32.91%的用户：滑动窗口是该题的标准最优解，多数提交均采用此逻辑，耗时差异主要来自评测机运行环境（如JVM的即时编译、系统资源占用等），该耗时已属于高效范畴；
- 内存消耗76MB击败19.06%的用户：核心原因是HashSet的底层存储（如HashMap的数组+链表/红黑树结构）存在额外内存开销，若改用数组存储字符是否存在，可降低内存消耗。

执行耗时:6 ms,击败了61.68% 的Java用户

内存消耗:45.9 MB,击败了13.31% 的Java用户

java 复制代码

public int lengthOfLongestSubstring(String s) {
        Set<Character> seen = new HashSet<>();
        int left = 0, maxLength = 0;

        for (int right = 0; right < s.length(); right++) {
            char c = s.charAt(right);
            while (seen.contains(c)) {
                seen.remove(s.charAt(left));
                left++;
            }
            seen.add(c);
            maxLength = Math.max(maxLength, right - left + 1);
        }
        return maxLength;
    }

总结

该解法的核心是滑动窗口动态维护无重复子串：右指针扩展窗口，左指针收缩窗口以消除重复，确保窗口内始终无重复字符，一次遍历即可找到最长长度；
HashSet的O(1)查找效率是滑动窗口能高效运行的关键，避免了每次检查重复都遍历窗口的冗余操作；
滑动窗口的时间复杂度O(n)是该问题的最优下界，无法进一步优化，该解法已达到理论最优性能。