关于程序员:综合笔试题30-串联所有单词的子串

这是 LeetCode 上的 30. 串联所有单词的子串 ，难度为艰难。

Tag :「哈希表」、「滑动窗口」、「枚举」

给定一个字符串 s 和一些长度雷同的单词 words。

找出 s 中恰好能够由 words 中所有单词串联造成的子串的起始地位。

留神子串要与 words 中的单词齐全匹配，两头不能有其余字符，但不须要思考 words 中单词串联的程序。

示例 1：

输出：s = "barfoothefoobarman",
words = ["foo","bar"]
  
输入：[0,9]

解释：从索引 0 和 9 开始的子串别离是 "barfoo" 和 "foobar"。输入的程序不重要, [9,0] 也是无效答案。

示例 2：

输出：s = "wordgoodgoodgoodbestword",
words = ["word","good","best","word"]
  
输入：[]

提醒：

$1 <= s.length <= 10^4$
s 由小写英文字母组成
$1 <= words.length <= 5000$
$1 <= words[i].length <= 30$
words[i] 由小写英文字母组成

令 n 为字符串 s 的长度，m 为数组 words 的长度（单词的个数），w 为单个单词的长度。

因为 words 外面每个单词长度固定，而咱们要找的字符串只能恰好蕴含所有的单词，因而咱们要找的指标子串的长度为 $m \times w$。

那么一个直观的思路是：

应用哈希表 map 记录 words 中每个单词的呈现次数
枚举 s 中的每个字符作为终点，往后获得长度为 $m \times w$ 的子串 sub
应用哈希表 cur 统计 sub 每个单词的呈现次数（每隔 w 长度作为一个单词）
比拟 cur 和 map 是否雷同

留神：在步骤 $3$ 中，如果发现 sub 中蕴含了 words 没有呈现的单词，能够间接剪枝。

剪枝处应用了带标签的 continue 语句间接回到外层循环进行。

代码：

class Solution {public List<Integer> findSubstring(String s, String[] words) {int n = s.length(), m = words.length, w = words[0].length();
        Map<String, Integer> map = new HashMap<>();
        for (String word : words) map.put(word, map.getOrDefault(word, 0) + 1);
        List<Integer> ans = new ArrayList<>();
        out:for (int i = 0; i + m * w <= n; i++) {Map<String, Integer> cur = new HashMap<>();
            String sub = s.substring(i, i + m * w);
            for (int j = 0; j < sub.length(); j += w) {String item = sub.substring(j, j + w);
                if (!map.containsKey(item)) continue out;
                cur.put(item, cur.getOrDefault(item, 0) + 1);
            }
            if (cur.equals(map)) ans.add(i);
        }
        return ans;
    }
}

工夫复杂度：将 words 中的单词存入哈希表，复杂度为 $O(m)$（因为字符串长度固定且不超过 $30$，假设所有哈希操作均为 $O(1)$ 的）；而后第一层循环枚举 s 中的每个字符作为终点，复杂度为 $O(n)$；在循环中将 sub 划分为 m 个单词进行统计，枚举了 m - 1 个下标，复杂度为 $O(m)$；每个字符串的长度为 w。整体复杂度为 $O(n \times m \times w)$
空间复杂度：$O(m \times w)$

事实上，咱们能够 优化这个枚举终点的过程。

咱们能够将终点依据 以后下标与单词长度的取余后果 进行分类，这样咱们就不必频繁的建设新的哈希表和进行单词统计。

代码：

class Solution {public List<Integer> findSubstring(String s, String[] words) {int n = s.length(), m = words.length, w = words[0].length();
        // 统计 words 中「每个指标单词」的呈现次数
        Map<String, Integer> map = new HashMap<>();
        for (String word : words) map.put(word, map.getOrDefault(word, 0) + 1);
        List<Integer> ans = new ArrayList<>();
        for (int i = 0; i < w; i++) {
            // 构建一个以后子串对应 map，统计以后子串中「每个指标单词」的呈现次数
            Map<String, Integer> curMap = new HashMap<>();
            // 滑动窗口的大小固定是 m * w，每次将下一个单词增加进 curMap，上一个单词移出 curMap
            for (int j = i; j + w <= n; j += w) {String cur = s.substring(j, j + w);
                curMap.put(cur, curMap.getOrDefault(cur, 0) + 1);
                if (j >= i + (m * w)) {
                    int idx = j - m * w;
                    String prev = s.substring(idx, idx + w);
                    if (curMap.get(prev) == 1) curMap.remove(prev);
                    else curMap.put(prev, curMap.get(prev) - 1);
                    if (!curMap.getOrDefault(prev, 0).equals(map.getOrDefault(prev, 0))) continue;
                }
                if (!curMap.getOrDefault(cur, 0).equals(map.getOrDefault(cur, 0))) continue;
                // 下面两个 continue 能够缩小 map 之间的 equals 操作
                if (curMap.equals(map)) ans.add(j - (m - 1) * w);
            }
        }
        return ans;
    }
}

工夫复杂度：将 words 中的单词存入哈希表，复杂度为 $O(m)$（因为字符串长度固定且不超过 $30$，假设所有哈希操作均为 $O(1)$ 的）；而后枚举了取余的后果，复杂度为 $O(w)$；每次循环最多解决 n 长度的字符串，复杂度为 $O(n)$。整体复杂度为 $O(m + w \times n)$
空间复杂度：$O(m \times w)$

这是咱们「刷穿 LeetCode」系列文章的第 No.30 篇，系列开始于 2021/01/01，截止于起始日 LeetCode 上共有 1916 道题目，局部是有锁题，咱们将先把所有不带锁的题目刷完。

在这个系列文章外面，除了解说解题思路以外，还会尽可能给出最为简洁的代码。如果波及通解还会相应的代码模板。

为了不便各位同学可能电脑上进行调试和提交代码，我建设了相干的仓库：https://github.com/SharingSou…。

在仓库地址里，你能够看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其余优选题解。

本文由 mdnice 多平台公布

关于程序员:综合笔试题30-串联所有单词的子串

题目形容

奢侈哈希表

滑动窗口 + 哈希表

最初