勇往直前，冲破束缚：解开无重复字符的最长子串的奥秘

前端

2023-11-05 19:00:43

前端技术大揭秘：无重复字符的最长子串算法剖析

对于前端工程师来说，算法能力是必不可少的。今天，我们就来探索一个经典算法问题——无重复字符的最长子串。在这个问题中，你将面对一个字符串，目标是找出其中不包含重复字符的最长子串的长度。

算法第一步：理解问题本质

为了解决无重复字符的最长子串问题，我们首先需要理解其本质。给定一个字符串，你需要做的就是找到一个不包含重复字符的最长连续子串。例如，对于字符串“abcabcbb”，最长不重复子串是“abc”，长度为3。

算法第二步：滑动窗口算法登场

解决无重复字符的最长子串问题的常用算法是滑动窗口算法。滑动窗口算法是一种动态规划算法，它使用一个窗口在字符串中滑动，并在窗口内查找不包含重复字符的最长子串。

滑动窗口算法的具体步骤如下：

初始化一个窗口，窗口的左边界为0，右边界为0。
在窗口内查找不包含重复字符的最长子串。
如果找到了一个新的最长不重复子串，则更新最长不重复子串的长度和位置。
将窗口的右边界向右移动一位，然后重复步骤2和步骤3。
当窗口的右边界到达字符串的末尾时，算法结束。

算法第三步：哈希表优化算法效率

为了提高滑动窗口算法的效率，我们可以使用哈希表来存储窗口内字符的出现次数。这样，我们就可以在常数时间内判断一个字符是否在窗口内出现过。

哈希表优化后的滑动窗口算法步骤如下：

初始化一个窗口，窗口的左边界为0，右边界为0。
初始化一个哈希表，用于存储窗口内字符的出现次数。
在窗口内查找不包含重复字符的最长子串。
如果找到了一个新的最长不重复子串，则更新最长不重复子串的长度和位置。
将窗口的右边界向右移动一位。
如果窗口内字符的出现次数大于1，则将窗口的左边界向右移动一位，并将哈希表中该字符的出现次数减1。
重复步骤3到步骤6，直到窗口的右边界到达字符串的末尾。

算法第四步：代码实现

def lengthOfLongestSubstring(s):
    """
    :type s: str
    :rtype: int
    """
    # 哈希表用于存储字符的出现次数
    char_dict = {}
    # 最长不重复子串的长度
    max_length = 0
    # 窗口的左边界和右边界
    left = 0
    right = 0

    # 遍历字符串
    while right < len(s):
        # 如果当前字符不在哈希表中，则将其加入哈希表
        if s[right] not in char_dict:
            char_dict[s[right]] = 0
        # 如果当前字符在哈希表中，则将其出现次数加1
        char_dict[s[right]] += 1

        # 更新最长不重复子串的长度
        max_length = max(max_length, right - left + 1)

        # 如果哈希表中字符的出现次数大于1，则将窗口的左边界向右移动一位，并将哈希表中该字符的出现次数减1
        while char_dict[s[right]] > 1:
            char_dict[s[left]] -= 1
            left += 1

        # 将窗口的右边界向右移动一位
        right += 1

    return max_length