一、进阶趣味原理：会伸缩的动态窗户
上篇的固定窗口是「定死大小的玻璃窗」，只能整体平移；下篇的可变滑动窗口是「可拉伸的橡皮筋窗户」！
依旧用蜗牛场景升级理解：蜗牛的窗户可以自由变大、缩小，遇到合法元素就拉长身体（右移right），遇到非法元素就收缩尾巴（右移left），窗口大小动态变化，适配更复杂的算法题型。
核心适用场景：寻找「最长子串、最短子数组、满足条件的连续区间」等无固定长度的问题，是面试高频考点。
二、可变滑动窗口通用模板（C++）
cpp
int left = 0;
for(int right = 0; right < nums.size(); right++){
// 1. 纳入右指针元素，更新窗口状态
// 2. 窗口不合法时，循环收缩左边界
while(窗口不合法条件){
// 剔除左指针元素，更新窗口状态
left++;
}
// 3. 窗口合法，更新最优答案（最长/最短/总数）
}三、下篇4个实战案例（逐行代码详解）
案例1：无重复字符的最长子串（面试必刷）
题目描述：给定字符串，找出其中不含有重复字符的最长子串长度
解题思路：可变窗口，右指针探索新字符，出现重复则收缩左窗口，保证窗口内无重复
cpp
#include<iostream>
#include<string>
#include<unordered_set>
#include<algorithm>
using namespace std;
int lengthOfLongestSubstring(string s) {
unordered_set<char> st; // 存储当前窗口内的字符
int left = 0, maxLen = 0;
for(int right = 0; right < s.size(); right++){
// 出现重复字符，收缩左窗口，直到无重复
while(st.find(s[right]) != st.end()){
st.erase(s[left]);
left++;
}
st.insert(s[right]); // 纳入新字符
maxLen = max(maxLen, right - left + 1); // 更新最大长度
}
return maxLen;
}
int main(){
string s = "abcabcbb";
cout << lengthOfLongestSubstring(s) << endl; // 输出3
return 0;
}代码详解：
-
用哈希集合
st存储当前窗口所有字符，快速判断是否重复； -
右指针遍历字符，若当前字符已在集合中，说明窗口重复，持续删除左边界字符、右移左指针；
-
窗口无重复后，纳入当前字符，更新最长子串长度；
-
窗口大小动态伸缩，完美适配无固定长度的最优解查找。
案例2：最小长度子数组和（最短窗口问题）
题目描述：给定正整数数组和目标值target，找出和≥target的最短连续子数组，返回其长度，无则返回0
解题思路：可变窗口，右指针累加和，满足条件后不断收缩左窗口，寻找最短区间
cpp
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
int minSubArrayLen(int target, vector<int>& nums) {
int left = 0, sum = 0, minLen = INT_MAX;
for(int right = 0; right < nums.size(); right++){
sum += nums[right];
// 满足条件，尝试收缩窗口找更短区间
while(sum >= target){
minLen = min(minLen, right - left + 1);
sum -= nums[left];
left++;
}
}
return minLen == INT_MAX ? 0 : minLen;
}
int main(){
vector<int> nums = {2,3,1,2,4,3};
cout << minSubArrayLen(7, nums) << endl; // 输出2
return 0;
}代码详解：
-
sum累加右指针元素，当和≥目标值时，窗口合法； -
核心逻辑：合法后持续收缩左窗口，不断刷新最短长度；
-
收缩过程中实时减去左边界值，保证sum实时更新；
-
最终判断是否找到合法窗口，无则返回0，有则返回最短长度。
案例3：至多两个不同字符的最长子串（中等进阶）
题目描述：给定字符串，找出最多包含2个不同字符的最长子串长度
解题思路：哈希表统计窗口字符种类，种类超2则收缩左窗口，动态维护合法区间
cpp
#include<iostream>
#include<string>
#include<unordered_map>
#include<algorithm>
using namespace std;
int lengthOfTwoCharSub(string s) {
unordered_map<char, int> mp; // 统计字符出现次数
int left = 0, maxLen = 0;
for(int right = 0; right < s.size(); right++){
mp[s[right]]++; // 纳入新字符
// 字符种类超过2，收缩窗口
while(mp.size() > 2){
mp[s[left]]--;
if(mp[s[left]] == 0){
mp.erase(s[left]); // 次数为0，移除字符
}
left++;
}
maxLen = max(maxLen, right - left + 1);
}
return maxLen;
}
int main(){
string s = "eceba";
cout << lengthOfTwoCharSub(s) << endl; // 输出3
return 0;
}代码详解：
-
哈希表
mp记录窗口内每个字符的出现频次，mp.size()代表字符种类数； -
右指针纳入新字符后，若种类超2，循环剔除左边界字符；
-
若左边界字符频次归零，从哈希表中删除，保证种类统计准确；
-
窗口合法后更新最大长度，实现动态伸缩求解。
案例4：最小覆盖子串（困难压轴、面试高频）
题目描述：给字符串s、t，找出s中包含t所有字符的最小子串，无则返回空串
解题思路：双哈希表统计字符匹配情况，右指针探索全覆盖窗口，左指针收缩找最小区间
cpp
#include<iostream>
#include<string>
#include<unordered_map>
#include<climits>
using namespace std;
string minWindow(string s, string t) {
unordered_map<char, int> need, window;
// 统计t中需要的字符及数量
for(char c : t) need[c]++;
int left = 0, valid = 0;
int start = 0, minLen = INT_MAX;
for(int right = 0; right < s.size(); right++){
char cur = s[right];
if(need.count(cur)){
window[cur]++;
// 当前字符数量达标，有效匹配数+1
if(window[cur] == need[cur]) valid++;
}
// 所有字符匹配，窗口全覆盖，尝试收缩
while(valid == need.size()){
// 更新最小窗口
if(right - left + 1 < minLen){
minLen = right - left + 1;
start = left;
}
// 收缩左边界
char leftCur = s[left];
if(need.count(leftCur)){
if(window[leftCur] == need[leftCur]) valid--;
window[leftCur]--;
}
left++;
}
}
return minLen == INT_MAX ? "" : s.substr(start, minLen);
}
int main(){
string s = "ADOBECODEBANC", t = "ABC";
cout << minWindow(s, t) << endl; // 输出BANC
return 0;
}代码详解：
-
need存储目标字符串t的字符需求，window存储当前窗口字符； -
valid统计完全匹配的字符种类，等于t的字符种类时，窗口全覆盖； -
全覆盖后收缩左窗口，不断刷新最小窗口长度和起始位置；
-
收缩时若某个字符匹配失效，减少有效匹配数，终止收缩；
-
最终根据记录的起始位置和最小长度，截取结果子串。
四、上下篇核心总结（思维升华）
-
上篇固定窗口：窗口大小恒定，先成型、再滑动，适合定长区间统计、最值查找，逻辑简单、容错率高；
-
下篇可变窗口：窗口动态伸缩，先扩张、再收缩，适合最优区间求解（最长/最短），适配绝大多数算法面试题；
-
通用思维：所有滑动窗口都是「右指针探索，左指针修正」，全程单次遍历，摒弃暴力双层循环，是区间问题的最优解思路。
谢谢