题目
- 请从字符串中找出一个最长的不包含重复字符的子字符串,计算该最长子字符串的长度。
示例
- 示例1
输入: "abcabcbb"
输出: 3
解释: 因为无重复字符的最长子串是 "abc",所以其长度为 3。
- 示例2
输入: "bbbbb"
输出: 1
解释: 因为无重复字符的最长子串是 "b",所以其长度为 1。
- 示例3
输入: "pwwkew"
输出: 3
解释: 因为无重复字符的最长子串是 "wke",所以其长度为 3。
代码
- 双指针+哈希表
class Solution {
// 滑动窗口,用set维护一个不重复的窗口
public int lengthOfLongestSubstring(String s) {
int res = 0;
Set<Character> set = new HashSet<>();
for(int l = 0, r = 0; r < s.length(); r++) {
char c = s.charAt(r);
while(set.contains(c)) {
set.remove(s.charAt(l++));
}
set.add(c);
res = Math.max(res, r - l + 1);
}
return res;
}
}
这种做法之前已经见过,具体参见文章
这次主要来看 dp 做法。- dp+哈希表+优化
public int lengthOfLongestSubstring(String s) {
Map<Character, Integer> dic = new HashMap<>();
int res = 0, tmp = 0;
for(int j = 0; j < s.length(); j++) {
// getOrDefault(key, default)
// 代表当哈希表包含键 key 时返回对应 value ,不包含时返回默认值 default
int i = dic.getOrDefault(s.charAt(j), -1); // 获取索引 i
dic.put(s.charAt(j), j); // 更新哈希表
tmp = tmp < j - i ? tmp + 1 : j - i; // dp[j - 1] -> dp[j]
res = Math.max(res, tmp); // max(dp[j - 1], dp[j])
}
return res;
}
代码分析
:详解 代码是相当的巧妙、
举例说明:对动态规划状态转移方程边界条件
那部分的理解
假如存在字符串 s:
bbcabca
. 可以看到 s[5] = c,dp[5] = 3,因为 s[5] 之前的最长的子串是“abc”。
现在要计算 dp[6] ,与 s[6] 距离最近的是 s[3],他们都是 “a”。不难发现 6-3 == 3,等于 dp[5] 或者在 dp[5] 之内,所以 dp[6] = 3。
反之如果 j - i > dp[i-1],说明与 dp[j] 相等的元素的下标不在 dp[j-1] 长度的范围之内,不会打破不重复的规则,那么dp[j] 就等于 dp[j-1] + 1.