文章目录
- [1. Problem 1 无重复字符的最长字串（# 3）](# 3）)
-
- [1.1 题目表述](#1.1 题目表述)
- [1.2 题解](#1.2 题解)
- [2. Problem 2 找到字符串中所有字母异位词（# 438）](# 438）)
-
- [2.1 题目表述](#2.1 题目表述)
- [2.2 题解](#2.2 题解)
- [3. 总结](#3. 总结)
1. Problem 1 无重复字符的最长字串（# 3）
1.1 题目表述
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 1:
plain
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:
plain
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:
plain
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 * 10(4) -
s由英文字母、数字、符号和空格组成
1.2 题解
本题本质上是找出最长的无重复字符的子串，而针对是否重复问题，最快的搜索方法是哈希表，针对子串范围问题最优处理思路是双指针，因此本题适合使用滑动窗口法（哈希表/数组+双指针）进行处理。其伪代码如下：
plain
// 输入：字符串 s
// 输出：无重复字符的最长子串长度
// 1. 初始化
left = 0
max_len = 0
// 哈希表：key = 字符，value = 字符最后一次出现的索引
char_map = 空哈希表
// 2. 右指针遍历字符串
for right from 0 to len(s)-1:
current_char = s[right]
// 如果当前字符已在窗口中出现过，更新左指针
if current_char in char_map and char_map[current_char] >= left:
left = char_map[current_char] + 1
// 更新当前字符的最后出现位置
char_map[current_char] = right
// 计算当前窗口长度，更新最大长度
current_len = right - left + 1
if current_len > max_len:
max_len = current_len
// 3. 返回结果
return max_len-
哈希表：记录当前已经出现的字符以及每个字符最近出现的位置
-
左指针：滑动窗口左边界，保证窗口中没有重复元素
-
右指针：滑动窗口右边界，遍历寻找更长无重复子串
-
指针之间关系：右指针始终向右移动，左指针根据右指针遍历信息若遇到重复字符则跟着向右移动，记录滑动窗口（两指针间）的长度，并寻找最大值。
2. Problem 2 找到字符串中所有字母异位词（# 438）
2.1 题目表述
给定两个字符串 s 和 p，找到 s中所有 p的 异位词的子串，返回这些子串的起始索引。不考虑答案输出的顺序。
示例 1:
plain
输入: s = "cbaebabacd", p = "abc"
输出: [0,6]
解释:
起始索引等于 0 的子串是 "cba", 它是 "abc" 的异位词。
起始索引等于 6 的子串是 "bac", 它是 "abc" 的异位词。 示例 2:
plain
输入: s = "abab", p = "ab"
输出: [0,1,2]
解释:
起始索引等于 0 的子串是 "ab", 它是 "ab" 的异位词。
起始索引等于 1 的子串是 "ba", 它是 "ab" 的异位词。
起始索引等于 2 的子串是 "ab", 它是 "ab" 的异位词。提示:
-
1 <= s.length, p.length <= 3 * 10(4) -
s和p仅包含小写字母
2.2 题解
本题需要找 s 中 p 的所有异位词的位置，这要求：1）子串长度相同；2）符合异位词特征（字符出现频率或重排后完全一致），由于子串的长度要求是固定的，因此滑动窗口的大小也就是恒定的了，因此本题中指针的概念便也随之弱化。另外由于本题涉及异位词的相关问题，因此可以参考 字母异位词分组（# 49） 题的思路进行判断。伪代码可表示为：
plain
// 输入：字符串 s, p
// 输出：所有异位词子串的起始索引列表
len_s = length(s)
len_p = length(p)
结果列表 result = 空列表
// 边界情况：s比p短，直接返回空
if len_s < len_p:
return result
// 1. 初始化字符计数数组（26个小写字母）
count_p = [0] * 26
count_s = [0] * 26
// 2. 统计p的字符计数
for i from 0 to len_p-1:
count_p[ ord(p[i]) - ord('a') ] += 1
count_s[ ord(s[i]) - ord('a') ] += 1
// 3. 检查初始窗口是否匹配
if count_s == count_p:
add 0 to result
// 4. 滑动窗口遍历剩余部分
for left from 1 to len_s - len_p:
right = left + len_p - 1
// 移出左边界前一个字符
count_s[ ord(s[left-1]) - ord('a') ] -= 1
// 移入新的右边界字符
count_s[ ord(s[right]) - ord('a') ] += 1
// 检查当前窗口是否匹配
if count_s == count_p:
add left to result
// 5. 返回结果
return result在这里，我们考虑了边界情况（p长度大于s长度），在实际应用中，进行边界情况的考虑检验测试十分重要。
3. 总结
滑动窗口的关键，不只是"维护一个区间"，而是学会把原本静态的子串问题，转化为一个动态更新的过程。无重复字符的最长子串，本质是在不断扩展与收缩窗口中维持"区间合法"；而寻找异位词，则是在固定窗口大小下持续比较字符分布。两道题看似形式不同，但都体现了滑动窗口对"连续区间问题"的高效处理能力：避免每次从头判断，而是在移动中完成更新与筛选。
更深一层看，滑动窗口体现的是一种过程化思维：问题的答案不是一次性算出来的，而是在窗口推进中逐步逼近的。它要求我们时刻思考窗口内哪些信息需要保留、哪些需要剔除，以及边界变化会带来什么影响。尤其在异位词问题中，对边界情况的重视也提醒我们，真正成熟的解题能力，不只在于掌握方法，更在于对细节、约束和有效性的持续把控。