子串专题部分

子串专题

Hot100 子串专题共 3 题：和为 K 的子数组、滑动窗口最大值、最小覆盖子串。这三题难度跨度较大，从中等到困难，涉及前缀和、单调队列、滑动窗口三种不同的核心技巧。

---

一、和为 K 的子数组（#560）

题意

给一个整数数组 nums 和整数 k，返回数组中和为 k 的连续子数组的个数。

输入：nums = [1, 1, 1], k = 2
输出：2

输入：nums = [1, 2, 3], k = 3
输出：2  （子数组 [1,2] 和 [3]）

注意：数组元素可以是负数，所以滑动窗口不适用（窗口收缩的前提是元素非负时和单调）。

前置知识：前缀和

前缀和 prefixiprefixiprefixi 表示 nums0+nums1+⋯+numsi−1nums0 + nums1 + \cdots + numsi-1nums0+nums1+⋯+numsi−1，定义 prefix0=0prefix0 = 0prefix0=0。

子数组 i,ji, ji,j 的和等于 prefixj+1−prefixiprefixj+1 - prefixiprefixj+1−prefixi。

nums   =  [1,  2,  3]
prefix = [0,  1,  3,  6]

子数组[0,1]的和 = prefix[2] - prefix[0] = 3 - 0 = 3 ✓
子数组[1,2]的和 = prefix[3] - prefix[1] = 6 - 1 = 5 ✓

思路

问题转化：找有多少对 (i,j)(i, j)(i,j) 满足 prefixj−prefixi=kprefixj - prefixi = kprefixj−prefixi=k，即 prefixi=prefixj−kprefixi = prefixj - kprefixi=prefixj−k。

遍历到位置 jjj 时，查询之前有多少个前缀和等于 prefixj−kprefixj - kprefixj−k，累加到答案里。用 unordered_map 记录每个前缀和出现的次数，边遍历边查询，O(1)O(1)O(1) 完成每次查询。

nums = [1, 1, 1], k = 2
初始：mp = {0: 1}（前缀和为0出现1次，对应空前缀）

遍历：
  prefix=1: 查 1-2=-1，mp里没有 → ans+=0，mp={0:1, 1:1}
  prefix=2: 查 2-2=0，mp里有1次 → ans+=1，mp={0:1, 1:1, 2:1}
  prefix=3: 查 3-2=1，mp里有1次 → ans+=1，mp={0:1, 1:1, 2:1, 3:1}

ans = 2 ✓

为什么初始化 mp[0] = 1？因为如果某个前缀和 prefixjprefixjprefixj 本身就等于 kkk，那么 prefixj−k=0prefixj - k = 0prefixj−k=0，对应的是从下标 0 开始的子数组，需要被统计进来，所以空前缀（前缀和为 0）要提前存入。

代码

class Solution {
public:
    int subarraySum(vector<int>& nums, int k) {
        unordered_map<int, int> mp;
        mp[0] = 1; // 空前缀，前缀和为 0
        int prefix = 0, ans = 0;
        for (int x : nums) {
            prefix += x;
            // 查询之前有多少前缀和等于 prefix - k
            if (mp.count(prefix - k)) {
                ans += mp[prefix - k];
            }
            mp[prefix]++;
        }
        return ans;
    }
};

复杂度

• 时间 ：O(n)O(n)O(n)，单次遍历，每次哈希操作 O(1)O(1)O(1)
• 空间 ：O(n)O(n)O(n)，哈希表最多存 n+1n+1n+1 个前缀和

---

二、滑动窗口最大值（#239）

题意

给一个整数数组 nums 和窗口大小 k，窗口从左到右滑动，每次只能看到窗口内的 kkk 个元素，返回每个窗口位置的最大值。

输入：nums = [1,3,-1,-3,5,3,6,7], k = 3
输出：[3,3,5,5,6,7]

窗口位置          最大值
[1  3  -1] -3  5  3  6  7   →  3
 1 [3  -1  -3] 5  3  6  7   →  3
 1  3 [-1  -3  5] 3  6  7   →  5
 1  3  -1 [-3  5  3] 6  7   →  5
 1  3  -1  -3 [5  3  6] 7   →  6
 1  3  -1  -3  5 [3  6  7]  →  7

前置知识：单调队列

单调队列是一个两端都能操作的队列（双端队列 deque），队列内的元素保持单调性。

这道题需要的是单调递减队列：队头是当前窗口的最大值，从队头到队尾单调递减。

维护规则：

• 新元素从队尾入队前，把队尾所有比它小的元素弹出（它们永远不可能成为后续窗口的最大值）

• 如果队头元素的下标已经滑出窗口，从队头弹出

  队列里存的是下标，方便判断是否滑出窗口

思路

遍历 nums，对每个位置 right：

1. 清理队尾 ：把队尾所有满足 nums[队尾] <= nums[right] 的元素弹出，再把 right 入队

2. 清理队头 ：如果队头下标 <= right - k，说明已滑出窗口，弹出队头

3. 记录答案 ：当 right >= k-1 时（窗口已满），队头就是当前窗口最大值

   nums = [1,3,-1,-3,5,3,6,7], k=3

   right=0(1): 队列[0]
   right=1(3): 3>1，弹出0，队列[1]
   right=2(-1): -1<3，直接入队，队列[1,2]，窗口满，最大值=nums[1]=3
   right=3(-3): -3<-1，直接入队，队列[1,2,3]
   队头1未滑出(1 <= 3-3=0? 否)，最大值=nums[1]=3
   right=4(5): 5>-3弹3，5>-1弹2，5>3弹1，队列[4]
   最大值=nums[4]=5
   right=5(3): 3<5，直接入队，队列[4,5]
   最大值=nums[4]=5
   right=6(6): 6>3弹5，6<5? 不，6>5弹4，队列[6]
   最大值=nums[6]=6
   right=7(7): 7>6弹6，队列[7]
   最大值=nums[7]=7

代码

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        deque<int> dq; // 存下标，单调递减（队头最大）
        vector<int> res;
        for (int right = 0; right < nums.size(); right++) {
            // 清理队尾：保持单调递减
            while (!dq.empty() && nums[dq.back()] <= nums[right]) {
                dq.pop_back();
            }
            dq.push_back(right);
            // 清理队头：滑出窗口的元素
            if (dq.front() <= right - k) {
                dq.pop_front();
            }
            // 窗口已满，记录答案
            if (right >= k - 1) {
                res.push_back(nums[dq.front()]);
            }
        }
        return res;
    }
};

复杂度

• 时间 ：O(n)O(n)O(n)，每个元素最多入队一次、出队一次
• 空间 ：O(k)O(k)O(k)，单调队列最多存 kkk 个元素

---

三、最小覆盖子串（#76）

题意

给字符串 s 和 t，找 s 中包含 t 所有字符（含重复）的最短子串，不存在则返回空字符串。

输入：s = "ADOBECODEBANC", t = "ABC"
输出："BANC"

输入：s = "a", t = "aa"
输出：""  （s 里只有一个 a，无法覆盖 t 里的两个 a）

思路

这是滑动窗口的经典困难题，窗口可变长度，目标是找满足条件的最短窗口。

窗口条件 ：窗口内包含 t 的所有字符，且每个字符的出现次数都不少于 t 中的次数。

用两个哈希表 need 和 window：

• need：t 中每个字符需要的数量
• window：当前窗口内每个字符的数量

用变量 valid 记录窗口内已经满足数量要求的字符种数，当 valid == need.size() 时，窗口覆盖了 t。

流程：

1. right 向右扩张，把字符纳入窗口，如果某字符的窗口数量恰好达到需要量，valid++

2. 当 valid == need.size() 时，窗口已覆盖 t，记录当前窗口长度，然后收缩 left

3. 收缩时，如果移出的字符导致某字符数量低于需要量，valid--，退出收缩循环

4. 重复直到 right 到达末尾

   s = "ADOBECODEBANC", t = "ABC"
   need = {A:1, B:1, C:1}

   right扩张到覆盖ABC：
   [ADOBEC] → valid=3，覆盖了，记录长度6，开始收缩left
   移出A → A的窗口数量0 < need[A]=1 → valid=2，停止收缩

   right继续扩张：
   [DOBECODEBA] → 又找到A，valid=3
   收缩left直到窗口最短：[CODEBA] → 长度6
   移出C → valid=2

   right继续：
   [CODEBANC] → 找到C，valid=3
   收缩：移出C → valid=2，停止 → 此时 [ODEBANC] 不对
   实际上收缩到 [BANC]，长度4，更新最短

   最终答案：[BANC]

代码

class Solution {
public:
    string minWindow(string s, string t) {
        unordered_map<char, int> need, window;
        for (char c : t) need[c]++;

        int left = 0, valid = 0;
        int start = 0, minLen = INT_MAX; // 记录最短窗口的起点和长度

        for (int right = 0; right < s.size(); right++) {
            char c = s[right];
            // 纳入右边字符
            if (need.count(c)) {
                window[c]++;
                if (window[c] == need[c]) valid++; // 该字符恰好满足
            }
            // 窗口已覆盖 t，收缩左边
            while (valid == need.size()) {
                // 更新最短窗口
                if (right - left + 1 < minLen) {
                    minLen = right - left + 1;
                    start = left;
                }
                char d = s[left];
                left++;
                if (need.count(d)) {
                    if (window[d] == need[d]) valid--; // 移出前恰好满足，移出后不满足
                    window[d]--;
                }
            }
        }
        return minLen == INT_MAX ? "" : s.substr(start, minLen);
    }
};

注意收缩时先判断 valid-- 再 window[d]-- 的顺序：因为判断条件是 window[d] == need[d]（移出这个字符会导致不满足），所以要在减之前判断。

复杂度

• 时间 ：O(n+m)O(n + m)O(n+m)，nnn 为 s 的长度，mmm 为 t 的长度。left 和 right 各最多移动 nnn 次，初始化 need 需要 O(m)O(m)O(m)
• 空间 ：O(∣Σ∣)O(|\Sigma|)O(∣Σ∣)，两个哈希表的 key 都是字符，最多 O(1)O(1)O(1)

---

四、专题小结

题目	核心技巧	关键数据结构	时间	空间
和为 K 的子数组	前缀和 + 哈希查询	unordered_map	O(n)O(n)O(n)	O(n)O(n)O(n)
滑动窗口最大值	单调队列维护区间最大值	deque	O(n)O(n)O(n)	O(k)O(k)O(k)
最小覆盖子串	可变滑动窗口 + 双哈希表	unordered_map	O(n+m)O(n+m)O(n+m)	O(1)O(1)O(1)

三题用了三种完全不同的技巧，但有一个共同点：都在避免重复计算 。前缀和把区间求和变成两个前缀相减，单调队列把区间最大值查询变成 O(1)O(1)O(1)，滑动窗口通过移动左右指针复用了窗口状态。