目录
[解法一：暴力枚举 + 哈希表](#解法一：暴力枚举 + 哈希表)
[解法二：滑动窗口 + 哈希表](#解法二：滑动窗口 + 哈希表)
大家好，今天我们来攻克 LeetCode 上的一道经典难题------76. 最小覆盖子串。这道题是滑动窗口算法的典型应用，结合了哈希表来优化判断过程。
一、题目解析
题目： 给你一个字符串 s、一个字符串 t。返回 s中涵盖 t所有字符的最小子串。如果 s中不存在涵盖 t所有字符的子串，则返回空字符串 ""。
注意：
-
对于
t中重复字符，我们寻找的子串中该字符数量必须不少于t中该字符数量。 -
如果
s中存在这样的子串，我们保证它是唯一的答案。
示例 1：
-
输入：
s = "ADOBECODEBANC",t = "ABC" -
输出：
"BANC" -
解释： 最小覆盖子串
"BANC"包含来自字符串t的'A'、'B'和'C'。
示例 2：
-
输入：
s = "a",t = "a" -
输出：
"a" -
解释： 整个字符串
s是最小覆盖子串。
示例 3：
-
输入：
s = "a",t = "aa" -
输出：
"" -
解释：
t中两个字符'a'均应包含在s的子串中，因此没有符合条件的子子串，返回空字符串。
二、讲解算法原理
解法一：暴力枚举 + 哈希表
解法二：滑动窗口 + 哈希表
这是本题的最优解。核心思想是维护一个窗口 [left, right]，通过移动左右指针来寻找最小覆盖子串。
-
核心逻辑：
-
right 右移： 不断扩大窗口，直到窗口包含了
t中的所有字符。 -
**left 右移：** 在满足覆盖条件的前提下，尝试缩小窗口左边界，以找到最小长度。
-
优化：判断条件
为了优化每次判断窗口是否覆盖 t的时间复杂度，我们可以引入一个变量 count。
-
思路： 使用变量
count标记有效字符的种类。-
进窗口： 当
hash2[in] == hash1[in]时，count++。 -
出窗口： 当
hash2[out] == hash1[out]时，count--。 -
判断条件： 当
count == hash1.size()时，说明窗口已覆盖t。
-
三、代码实现
java
class Solution
{
public String minWindow(String ss, String tt)
{
char[] s = ss.toCharArray();
char[] t = tt.toCharArray();
int[] hash1 = new int[128]; // 统计字符串 t 中字符的频次
int kinds = 0; // 字符串 t 中，有多少种字符
for(char ch : t)
{
if(hash1[ch]++ == 0) kinds++;
}
int[] hash2 = new int[128]; // 统计窗口中字符的频次
int minlen = Integer.MAX_VALUE, begin = -1;
for(int left = 0, right = 0, count = 0; right < s.length; right++)
{
char in = s[right];
if(++hash2[in] == hash1[in]) count++; // 进窗口 + 维护 count
while(kinds == count) // 判断
{
// 更新结果
if(right - left + 1 < minlen)
{
begin = left;
minlen = right - left + 1;
}
char out = s[left++];
if(hash2[out]-- == hash1[out]) count--; // 出窗口 + 维护 count
}
}
if(begin == -1) return new String();
else return ss.substring(begin, begin + minlen);
}
}