LeetCode 3.無重複字元的最長子串(C++、java)
本文非原創,參考連結:https://www.cnblogs.com/ariel-dreamland/p/8668286.html
(因為這道題大多數部落格寫的是java的程式碼,找了挺久才找到這位小姐姐寫的部落格,C++的解法很全。感謝原作者小姐姐。之前找影象語義分割的部落格也是這位小姐姐的一篇部落格寫得很詳細。讚美小姐姐。)
Medium!
題目描述:
給定一個字串,找出不含有重複字元的 最長子串 的長度。
示例:
給定 "abcabcbb"
,沒有重複字元的最長子串是 "abc"
給定 "bbbbb"
,最長的子串就是 "b"
,長度是1。
給定 "pwwkew"
,最長子串是 "wke"
,長度是3。請注意答案必須是一個子串,"pwke"
是 子序列 而不是子串
解題思路:
這是一道可以跟Two Sum媲美的題。給了我們一個字串,讓我們求最長的無重複字元的子串,注意這裡是子串,不是子序列,所以必須是連續的。我們先不考慮程式碼怎麼實現,如果給一個例子"abcabcbb",讓你手動找無重複字元的子串,該怎麼找?一個字元一個字元的遍歷,比如a,b,c,然後又出現了一個a,那麼此時就應該去掉第一次出現的a,然後繼續往後,又出現了一個b,則應該去掉一次出現的b,以此類推,最終發現最長的長度為3。所以說,我們需要記錄之前出現過的字元,記錄的方式有很多,最常見的是統計字元出現的個數,但是這道題字元出現的位置很重要,所以我們可以使用HashMap來建立字元和其出現位置之間的對映。進一步考慮,由於字元會重複出現,到底是儲存所有出現的位置呢,還是隻記錄一個位置?我們之前手動推導的方法實際上是維護了一個滑動視窗,視窗內的都是沒有重複的字元,我們需要儘可能的擴大視窗的大小。由於視窗在不停向右滑動,所以我們只關心每個字元最後出現的位置,並建立對映。視窗的右邊界就是當前遍歷到的字元的位置,為了求出視窗的大小,我們需要一個變數left來指向滑動視窗的左邊界,這樣,如果當前遍歷到的字元從未出現過,那麼直接擴大右邊界,如果之前出現過,那麼就分兩種情況,在或不在滑動視窗內,如果不在滑動視窗內,那麼就沒事,當前字元可以加進來,如果在的話,就需要先在滑動視窗內去掉這個已經出現過的字元了,去掉的方法並不需要將左邊界left一位一位向右遍歷查詢,由於我們的HashMap已經儲存了該重複字元最後出現的位置,所以直接移動left指標就可以了。我們維護一個結果res,每次用出現過的視窗大小來更新結果res,就可以得到最終結果了。
建立一個256位大小的整型陣列來代替雜湊表,這樣做的原因是ASCII表共能表示256個字元,所以可以記錄所有字元,然後我們需要定義兩個變數res和left,其中res用來記錄最長無重複子串的長度,left指向該無重複子串左邊的起始位置,然後我們遍歷整個字串,對於每一個遍歷到的字元,如果雜湊表中該字串對應的值為0,說明沒有遇到過該字元,則此時計算最長無重複子串,i - left +1,其中i是最長無重複子串最右邊的位置,left是最左邊的位置,還有一種情況也需要計算最長無重複子串,就是當雜湊表中的值小於left,這是由於此時出現過重複的字元,left的位置更新了,如果又遇到了新的字元,就要重新計算最長無重複子串。最後每次都要在雜湊表中將當前字元對應的值賦值為i+1。
C++參考答案一:
1 class Solution { 2 public: 3 int lengthOfLongestSubstring(string s) { 4 int m[256] = {0}, res = 0, left = 0; 5 for (int i = 0; i < s.size(); ++i) { 6 if (m[s[i]] == 0 || m[s[i]] < left) { 7 res = max(res, i - left + 1); 8 } else { 9 left = m[s[i]]; 10 } 11 m[s[i]] = i + 1; 12 } 13 return res; 14 } 15 };
這裡解釋下程式中那個if條件語句中為啥要有個m[s[i]] < left,我們用一個例子來說明,當輸入字串為"abbca"的時候,當i=4時,也就是即將要開始遍歷最後一個字母a時,此時雜湊表中a對應1,b對應3,c對應4,left為2,即當前最長的子字串的左邊界為第二個b的位置,而第一個a已經不在當前最長的字串的範圍內了,那麼對於i=4這個新進來的a,應該要加入結果中,而此時未被更新的雜湊表中a為1,不是0,如果不判斷它和left的關係的話,就無法更新結果,那麼答案就會少一位,所以需要加m[s[i]] < left。
下面這種寫法是上面解法的精簡模式,思路都一樣。
C++參考答案二:
1 class Solution { 2 public: 3 int lengthOfLongestSubstring(string s) { 4 vector<int> m(256, -1); 5 int res = 0, left = -1; 6 for (int i = 0; i < s.size(); ++i) { 7 left = max(left, m[s[i]]); 8 m[s[i]] = i; 9 res = max(res, i - left); 10 } 11 return res; 12 } 13 };
下面這種解法使用了set,核心演算法和上面的很類似,把出現過的字元都放入set中,遇到set中沒有的字元就加入set中並更新結果res,如果遇到重複的,則從左邊開始刪字元,直到刪到重複的字元停止。
C++參考答案三:
1 class Solution { 2 public: 3 int lengthOfLongestSubstring(string s) { 4 set<char> t; 5 int res = 0, left = 0, right = 0; 6 while (right < s.size()) { 7 if (t.find(s[right]) == t.end()) { 8 t.insert(s[right++]); 9 res = max(res, (int)t.size()); 10 } else { 11 t.erase(s[left++]); 12 } 13 } 14 return res; 15 } 16 };
下面這種解法思路上跟解法一和解法二沒有區別,只不過使用了HashMap這個資料結構來建立字元和其最後出現位置之間的對映,其他操作均和解法二相同。
C++參考答案四:
1 class Solution { 2 public: 3 int lengthOfLongestSubstring(string s) { 4 int res = 0, left = 0, i = 0, n = s.size(); 5 unordered_map<char, int> m; 6 for (int i = 0; i < n; ++i) { 7 left = max(left, m[s[i]]); 8 m[s[i]] = i + 1; 9 res = max(res, i - left + 1); 10 } 11 return res; 12 } 13 };
知識點回顧:
雜湊表
map提供一個很常用的功能,那就是提供key-value的儲存和查詢功能。例如,我要記錄一個人名和相應的儲存,而且隨時增加,要快速查詢和修改。看段程式碼:
1 #include <map> 2 #include <string> 3 using namespace std; 4 ... 5 map<string, string> namemap; 6 7 //增加。。。 8 namemap["嶽不群"]="華山派掌門人,人稱君子劍"; 9 namemap["張三丰"]="武當掌門人,太極拳創始人"; 10 namemap["東方不敗"]="第一高手,葵花寶典"; 11 ... 12 13 //查詢。。 14 if(namemap.find("嶽不群") != namemap.end()){ 15 ... 16 }
這樣做效率很高,100萬條記錄,最多也只要20次的string.compare的比較,就能找到你要找的記錄;200萬條記錄事,也只要用21次的比較。
速度永遠都滿足不了現實的需求。如果有100萬條記錄,我需要頻繁進行搜尋時,20次比較也會成為瓶頸,要是能降到一次或者兩次比較是否有可能?而且當記錄數到200萬的時候也是一次或者兩次的比較,是否有可能?而且還需要和map一樣的方便使用。
答案是肯定的。這時你需要has_map. 雖然hash_map目前並沒有納入C++ 標準模板庫中,但幾乎每個版本的STL都提供了相應的實現。而且應用十分廣泛。在正式使用hash_map之前,先看看hash_map的原理。
1 資料結構:hash_map原理
這是一節讓你深入理解hash_map的介紹,如果你只是想囫圇吞棗,不想理解其原理,你倒是可以略過這一節,但我還是建議你看看,多瞭解一些沒有壞處。
hash_map基於hash table(雜湊表)。 雜湊表最大的優點,就是把資料的儲存和查詢消耗的時間大大降低,幾乎可以看成是常數時間;而代價僅僅是消耗比較多的記憶體。然而在當前可利用記憶體越來越多的情況下,用空間換時間的做法是值得的。另外,編碼比較容易也是它的特點之一。
其基本原理是:使用一個下標範圍比較大的陣列來儲存元素。可以設計一個函式(雜湊函式,也叫做雜湊函式),使得每個元素的關鍵字都與一個函式值(即陣列下標,hash值)相對應,於是用這個陣列單元來儲存這個元素;也可以簡單的理解為,按照關鍵字為每一個元素“分類”,然後將這個元素儲存在相應“類”所對應的地方,稱為桶。
但是,不能夠保證每個元素的關鍵字與函式值是一一對應的,因此極有可能出現對於不同的元素,卻計算出了相同的函式值,這樣就產生了“衝突”,換句話說,就是把不同的元素分在了相同的“類”之中。 總的來說,“直接定址”與“解決衝突”是雜湊表的兩大特點。
hash_map,首先分配一大片記憶體,形成許多桶。是利用hash函式,對key進行對映到不同區域(桶)進行儲存。其插入過程是:
- 得到key
- 通過hash函式得到hash值
- 得到桶號(一般都為hash值對桶數求模)
- 存放key和value在桶內。
其取值過程是:
- 得到key
- 通過hash函式得到hash值
- 得到桶號(一般都為hash值對桶數求模)
- 比較桶的內部元素是否與key相等,若都不相等,則沒有找到。
- 取出相等的記錄的value。
hash_map中直接地址用hash函式生成,解決衝突,用比較函式解決。這裡可以看出,如果每個桶內部只有一個元素,那麼查詢的時候只有一次比較。當許多桶內沒有值時,許多查詢就會更快了(指查不到的時候).
由此可見,要實現雜湊表, 和使用者相關的是:hash函式和比較函式。這兩個引數剛好是我們在使用hash_map時需要指定的引數。
hash_map 使用
2.1 一個簡單例項
不要著急如何把"嶽不群"用hash_map表示,我們先看一個簡單的例子:隨機給你一個ID號和ID號相應的資訊,ID號的範圍是1~2的31次方。如何快速儲存查詢。
1 #include <hash_map> 2 #include <string> 3 using namespace std; 4 int main(){ 5 hash_map<int, string> mymap; 6 mymap[9527]="唐伯虎點秋香"; 7 mymap[1000000]="百萬富翁的生活"; 8 mymap[10000]="白領的工資底線"; 9 ... 10 if(mymap.find(10000) != mymap.end()){ 11 ... 12 }
夠簡單,和map使用方法一樣。這時你或許會問?hash函式和比較函式呢?不是要指定麼?你說對了,但是在你沒有指定hash函式和比較函式的時候,你會有一個預設的函式,看看hash_map的宣告,你會更加明白。下面是SGI STL的宣告:
1 template <class _Key, class _Tp, class _HashFcn = hash<_Key>, 2 class _EqualKey = equal_to<_Key>, 3 class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) > 4 class hash_map 5 { 6 ... 7 }
也就是說,在上例中,有以下等同關係:
1 ... 2 hash_map<int, string> mymap; 3 //等同於: 4 hash_map<int, string, hash<int>, equal_to<int> > mymap;
Alloc我們就不要取關注太多了(希望深入瞭解Allocator的朋友可以參看標準庫 STL :Allocator能做什麼)
2.2 hash_map 的hash函式
hash< int>到底是什麼樣子?看看原始碼:
1 struct hash<int> { 2 size_t operator()(int __x) const { return __x; } 3 };
原來是個函式物件。在SGI STL中,提供了以下hash函式:
1 struct hash<char*> 2 struct hash<const char*> 3 struct hash<char> 4 struct hash<unsigned char> 5 struct hash<signed char> 6 struct hash<short> 7 struct hash<unsigned short> 8 struct hash<int> 9 struct hash<unsigned int> 10 struct hash<long> 11 struct hash<unsigned long>
也就是說,如果你的key使用的是以上型別中的一種,你都可以使用預設的hash函式。當然你自己也可以定義自己的hash函式。對於自定義變數,你只能如此,例如對於string,就必須自定義hash函式。例如:
1 struct str_hash{ 2 size_t operator()(const string& str) const 3 { 4 unsigned long __h = 0; 5 for (size_t i = 0 ; i < str.size() ; i ++) 6 __h = 5*__h + str[i]; 7 return size_t(__h); 8 } 9 }; 10 //如果你希望利用系統定義的字串hash函式,你可以這樣寫: 11 struct str_hash{ 12 size_t operator()(const string& str) const 13 { 14 return __stl_hash_string(str.c_str()); 15 } 16 };
在宣告自己的雜湊函式時要注意以下幾點:
- 使用struct,然後過載operator().
- 返回是size_t
- 引數是你要hash的key的型別。
- 函式是const型別的。
如果這些比較難記,最簡單的方法就是照貓畫虎,找一個函式改改就是了。
現在可以對開頭的"嶽不群"進行雜湊化了 . 直接替換成下面的宣告即可:
map<string, string> namemap; //改為: hash_map<string, string, str_hash> namemap;
其他用法都不用變。當然不要忘了吧str_hash的宣告以及標頭檔案改為hash_map。
官方解答:
方法一:暴力法
直覺
逐個檢查所有的字串,看它是否不含有重複的字元。
演算法
假設我們有一個函式boolean allUnique(String substring)
,如果子字串中的字元都是唯一的,它會返回true,否則會返回false。 我們可以遍歷給定字串s
的所有可能的子字串並呼叫函式allUnique
。 如果事實證明返回值為true,那麼我們將會更新無重複字元子串的最大長度的答案。
現在讓我們填補缺少的部分:
-
為了列舉給定字串的所有子字串,我們需要列舉它們開始和結束的索引。假設開始和結束的索引分別為 i 和 j。那麼我們有 0≤i<j≤n (這裡的結束索引 j 是按慣例排除的)。因此,使用 i從0到 n - n−1 以及 j 從 i+1到 n這兩個巢狀的迴圈,我們可以枚舉出
s
的所有子字串。 -
要檢查一個字串是否有重複字元,我們可以使用集合。我們遍歷字串中的所有字元,並將它們逐個放入
set
中。在放置一個字元之前,我們檢查該集合是否已經包含它。如果包含,我們會返回false
。迴圈結束後,我們返回true
。
Java程式碼:
1 public class Solution { 2 public int lengthOfLongestSubstring(String s) { 3 int n = s.length(); 4 int ans = 0; 5 for (int i = 0; i < n; i++) 6 for (int j = i + 1; j <= n; j++) 7 if (allUnique(s, i, j)) ans = Math.max(ans, j - i); 8 return ans; 9 } 10 11 public boolean allUnique(String s, int start, int end) { 12 Set<Character> set = new HashSet<>(); 13 for (int i = start; i < end; i++) { 14 Character ch = s.charAt(i); 15 if (set.contains(ch)) return false; 16 set.add(ch); 17 } 18 return true; 19 } 20 }
複雜度分析:
方法二:滑動視窗
演算法
暴力法非常簡單。但它太慢了。那麼我們該如何優化它呢?
在暴力法中,我們會反覆檢查一個子字串是否含有有重複的字元,但這是沒有必要的。如果從索引 i 到 j - 1之間的子字串 sij 已經被檢查為沒有重複字元。我們只需要檢查 s[j]對應的字元是否已經存在於子字串 sij 中。
要檢查一個字元是否已經在子字串中,我們可以檢查整個子字串,這將產生一個複雜度為 O(n2) 的演算法,但我們可以做得更好。
通過使用 HashSet 作為滑動視窗,我們可以用 O(1)的時間來完成對字元是否在當前的子字串中的檢查。
滑動視窗是陣列/字串問題中常用的抽象概念。 視窗通常是在陣列/字串中由開始和結束索引定義的一系列元素的集合,即 [i, j)(左閉,右開)。而滑動視窗是可以將兩個邊界向某一方向“滑動”的視窗。例如,我們將 [i, j)向右滑動 1 個元素,則它將變為 [i+1,j+1)(左閉,右開)。
回到我們的問題,我們使用 HashSet 將字元儲存在當前視窗 [i,j)(最初 j=i)中。 然後我們向右側滑動索引 j,如果它不在 HashSet 中,我們會繼續滑動 jj。直到 s[j] 已經存在於 HashSet 中。此時,我們找到的沒有重複字元的最長子字串將會以索引 i 開頭。如果我們對所有的 i 這樣做,就可以得到答案。
Java程式碼:
1 public class Solution { 2 public int lengthOfLongestSubstring(String s) { 3 int n = s.length(); 4 Set<Character> set = new HashSet<>(); 5 int ans = 0, i = 0, j = 0; 6 while (i < n && j < n) { 7 // try to extend the range [i, j] 8 if (!set.contains(s.charAt(j))){ 9 set.add(s.charAt(j++)); 10 ans = Math.max(ans, j - i); 11 } 12 else { 13 set.remove(s.charAt(i++)); 14 } 15 } 16 return ans; 17 } 18 }
方法三:優化的滑動視窗
Java程式碼(使用 HashMap):
1 public class Solution { 2 public int lengthOfLongestSubstring(String s) { 3 int n = s.length(), ans = 0; 4 Map<Character, Integer> map = new HashMap<>(); // current index of character 5 // try to extend the range [i, j] 6 for (int j = 0, i = 0; j < n; j++) { 7 if (map.containsKey(s.charAt(j))) { 8 i = Math.max(map.get(s.charAt(j)), i); 9 } 10 ans = Math.max(ans, j - i + 1); 11 map.put(s.charAt(j), j + 1); 12 } 13 return ans; 14 } 15 }
Java程式碼(假設字符集為 ASCII 128):
1 public class Solution { 2 public int lengthOfLongestSubstring(String s) { 3 int n = s.length(), ans = 0; 4 int[] index = new int[128]; // current index of character 5 // try to extend the range [i, j] 6 for (int j = 0, i = 0; j < n; j++) { 7 i = Math.max(index[s.charAt(j)], i); 8 ans = Math.max(ans, j - i + 1); 9 index[s.charAt(j)] = j + 1; 10 } 11 return ans; 12 } 13 }
Medium!
題目描述:
給定一個字串,找出不含有重複字元的 最長子串 的長度。
示例:
給定 "abcabcbb"
,沒有重複字元的最長子串是 "abc"
,那麼長度就是3。
給定 "bbbbb"
,最長的子串就是 "b"
,長度是1。
給定 "pwwkew"
,最長子串是 "wke"
,長度是3。請注意答案必須是一個子串,"pwke"
是 子序列 而不是子串
解題思路:
這是一道可以跟Two Sum媲美的題。給了我們一個字串,讓我們求最長的無重複字元的子串,注意這裡是子串,不是子序列,所以必須是連續的。我們先不考慮程式碼怎麼實現,如果給一個例子"abcabcbb",讓你手動找無重複字元的子串,該怎麼找?一個字元一個字元的遍歷,比如a,b,c,然後又出現了一個a,那麼此時就應該去掉第一次出現的a,然後繼續往後,又出現了一個b,則應該去掉一次出現的b,以此類推,最終發現最長的長度為3。所以說,我們需要記錄之前出現過的字元,記錄的方式有很多,最常見的是統計字元出現的個數,但是這道題字元出現的位置很重要,所以我們可以使用HashMap來建立字元和其出現位置之間的對映。進一步考慮,由於字元會重複出現,到底是儲存所有出現的位置呢,還是隻記錄一個位置?我們之前手動推導的方法實際上是維護了一個滑動視窗,視窗內的都是沒有重複的字元,我們需要儘可能的擴大視窗的大小。由於視窗在不停向右滑動,所以我們只關心每個字元最後出現的位置,並建立對映。視窗的右邊界就是當前遍歷到的字元的位置,為了求出視窗的大小,我們需要一個變數left來指向滑動視窗的左邊界,這樣,如果當前遍歷到的字元從未出現過,那麼直接擴大右邊界,如果之前出現過,那麼就分兩種情況,在或不在滑動視窗內,如果不在滑動視窗內,那麼就沒事,當前字元可以加進來,如果在的話,就需要先在滑動視窗內去掉這個已經出現過的字元了,去掉的方法並不需要將左邊界left一位一位向右遍歷查詢,由於我們的HashMap已經儲存了該重複字元最後出現的位置,所以直接移動left指標就可以了。我們維護一個結果res,每次用出現過的視窗大小來更新結果res,就可以得到最終結果了。
建立一個256位大小的整型陣列來代替雜湊表,這樣做的原因是ASCII表共能表示256個字元,所以可以記錄所有字元,然後我們需要定義兩個變數res和left,其中res用來記錄最長無重複子串的長度,left指向該無重複子串左邊的起始位置,然後我們遍歷整個字串,對於每一個遍歷到的字元,如果雜湊表中該字串對應的值為0,說明沒有遇到過該字元,則此時計算最長無重複子串,i - left +1,其中i是最長無重複子串最右邊的位置,left是最左邊的位置,還有一種情況也需要計算最長無重複子串,就是當雜湊表中的值小於left,這是由於此時出現過重複的字元,left的位置更新了,如果又遇到了新的字元,就要重新計算最長無重複子串。最後每次都要在雜湊表中將當前字元對應的值賦值為i+1。
C++參考答案一:
1 class Solution { 2 public: 3 int lengthOfLongestSubstring(string s) { 4 int m[256] = {0}, res = 0, left = 0; 5 for (int i = 0; i < s.size(); ++i) { 6 if (m[s[i]] == 0 || m[s[i]] < left) { 7 res = max(res, i - left + 1); 8 } else { 9 left = m[s[i]]; 10 } 11 m[s[i]] = i + 1; 12 } 13 return res; 14 } 15 };
這裡解釋下程式中那個if條件語句中為啥要有個m[s[i]] < left,我們用一個例子來說明,當輸入字串為"abbca"的時候,當i=4時,也就是即將要開始遍歷最後一個字母a時,此時雜湊表中a對應1,b對應3,c對應4,left為2,即當前最長的子字串的左邊界為第二個b的位置,而第一個a已經不在當前最長的字串的範圍內了,那麼對於i=4這個新進來的a,應該要加入結果中,而此時未被更新的雜湊表中a為1,不是0,如果不判斷它和left的關係的話,就無法更新結果,那麼答案就會少一位,所以需要加m[s[i]] < left。
下面這種寫法是上面解法的精簡模式,思路都一樣。
C++參考答案二:
1 class Solution { 2 public: 3 int lengthOfLongestSubstring(string s) { 4 vector<int> m(256, -1); 5 int res = 0, left = -1; 6 for (int i = 0; i < s.size(); ++i) { 7 left = max(left, m[s[i]]); 8 m[s[i]] = i; 9 res = max(res, i - left); 10 } 11 return res; 12 } 13 };
下面這種解法使用了set,核心演算法和上面的很類似,把出現過的字元都放入set中,遇到set中沒有的字元就加入set中並更新結果res,如果遇到重複的,則從左邊開始刪字元,直到刪到重複的字元停止。
C++參考答案三:
1 class Solution { 2 public: 3 int lengthOfLongestSubstring(string s) { 4 set<char> t; 5 int res = 0, left = 0, right = 0; 6 while (right < s.size()) { 7 if (t.find(s[right]) == t.end()) { 8 t.insert(s[right++]); 9 res = max(res, (int)t.size()); 10 } else { 11 t.erase(s[left++]); 12 } 13 } 14 return res; 15 } 16 };
下面這種解法思路上跟解法一和解法二沒有區別,只不過使用了HashMap這個資料結構來建立字元和其最後出現位置之間的對映,其他操作均和解法二相同。
C++參考答案四:
1 class Solution { 2 public: 3 int lengthOfLongestSubstring(string s) { 4 int res = 0, left = 0, i = 0, n = s.size(); 5 unordered_map<char, int> m; 6 for (int i = 0; i < n; ++i) { 7 left = max(left, m[s[i]]); 8 m[s[i]] = i + 1; 9 res = max(res, i - left + 1); 10 } 11 return res; 12 } 13 };
知識點回顧:
雜湊表
map提供一個很常用的功能,那就是提供key-value的儲存和查詢功能。例如,我要記錄一個人名和相應的儲存,而且隨時增加,要快速查詢和修改。看段程式碼:
1 #include <map> 2 #include <string> 3 using namespace std; 4 ... 5 map<string, string> namemap; 6 7 //增加。。。 8 namemap["嶽不群"]="華山派掌門人,人稱君子劍"; 9 namemap["張三丰"]="武當掌門人,太極拳創始人"; 10 namemap["東方不敗"]="第一高手,葵花寶典"; 11 ... 12 13 //查詢。。 14 if(namemap.find("嶽不群") != namemap.end()){ 15 ... 16 }
這樣做效率很高,100萬條記錄,最多也只要20次的string.compare的比較,就能找到你要找的記錄;200萬條記錄事,也只要用21次的比較。
速度永遠都滿足不了現實的需求。如果有100萬條記錄,我需要頻繁進行搜尋時,20次比較也會成為瓶頸,要是能降到一次或者兩次比較是否有可能?而且當記錄數到200萬的時候也是一次或者兩次的比較,是否有可能?而且還需要和map一樣的方便使用。
答案是肯定的。這時你需要has_map. 雖然hash_map目前並沒有納入C++ 標準模板庫中,但幾乎每個版本的STL都提供了相應的實現。而且應用十分廣泛。在正式使用hash_map之前,先看看hash_map的原理。
1 資料結構:hash_map原理
這是一節讓你深入理解hash_map的介紹,如果你只是想囫圇吞棗,不想理解其原理,你倒是可以略過這一節,但我還是建議你看看,多瞭解一些沒有壞處。
hash_map基於hash table(雜湊表)。 雜湊表最大的優點,就是把資料的儲存和查詢消耗的時間大大降低,幾乎可以看成是常數時間;而代價僅僅是消耗比較多的記憶體。然而在當前可利用記憶體越來越多的情況下,用空間換時間的做法是值得的。另外,編碼比較容易也是它的特點之一。
其基本原理是:使用一個下標範圍比較大的陣列來儲存元素。可以設計一個函式(雜湊函式,也叫做雜湊函式),使得每個元素的關鍵字都與一個函式值(即陣列下標,hash值)相對應,於是用這個陣列單元來儲存這個元素;也可以簡單的理解為,按照關鍵字為每一個元素“分類”,然後將這個元素儲存在相應“類”所對應的地方,稱為桶。
但是,不能夠保證每個元素的關鍵字與函式值是一一對應的,因此極有可能出現對於不同的元素,卻計算出了相同的函式值,這樣就產生了“衝突”,換句話說,就是把不同的元素分在了相同的“類”之中。 總的來說,“直接定址”與“解決衝突”是雜湊表的兩大特點。
hash_map,首先分配一大片記憶體,形成許多桶。是利用hash函式,對key進行對映到不同區域(桶)進行儲存。其插入過程是:
- 得到key
- 通過hash函式得到hash值
- 得到桶號(一般都為hash值對桶數求模)
- 存放key和value在桶內。
其取值過程是:
- 得到key
- 通過hash函式得到hash值
- 得到桶號(一般都為hash值對桶數求模)
- 比較桶的內部元素是否與key相等,若都不相等,則沒有找到。
- 取出相等的記錄的value。
hash_map中直接地址用hash函式生成,解決衝突,用比較函式解決。這裡可以看出,如果每個桶內部只有一個元素,那麼查詢的時候只有一次比較。當許多桶內沒有值時,許多查詢就會更快了(指查不到的時候).
由此可見,要實現雜湊表, 和使用者相關的是:hash函式和比較函式。這兩個引數剛好是我們在使用hash_map時需要指定的引數。
hash_map 使用
2.1 一個簡單例項
不要著急如何把"嶽不群"用hash_map表示,我們先看一個簡單的例子:隨機給你一個ID號和ID號相應的資訊,ID號的範圍是1~2的31次方。如何快速儲存查詢。
1 #include <hash_map> 2 #include <string> 3 using namespace std; 4 int main(){ 5 hash_map<int, string> mymap; 6 mymap[9527]="唐伯虎點秋香"; 7 mymap[1000000]="百萬富翁的生活"; 8 mymap[10000]="白領的工資底線"; 9 ... 10 if(mymap.find(10000) != mymap.end()){ 11 ... 12 }
夠簡單,和map使用方法一樣。這時你或許會問?hash函式和比較函式呢?不是要指定麼?你說對了,但是在你沒有指定hash函式和比較函式的時候,你會有一個預設的函式,看看hash_map的宣告,你會更加明白。下面是SGI STL的宣告:
1 template <class _Key, class _Tp, class _HashFcn = hash<_Key>, 2 class _EqualKey = equal_to<_Key>, 3 class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) > 4 class hash_map 5 { 6 ... 7 }
也就是說,在上例中,有以下等同關係:
1 ... 2 hash_map<int, string> mymap; 3 //等同於: 4 hash_map<int, string, hash<int>, equal_to<int> > mymap;
Alloc我們就不要取關注太多了(希望深入瞭解Allocator的朋友可以參看標準庫 STL :Allocator能做什麼)
2.2 hash_map 的hash函式
hash< int>到底是什麼樣子?看看原始碼:
1 struct hash<int> { 2 size_t operator()(int __x) const { return __x; } 3 };
原來是個函式物件。在SGI STL中,提供了以下hash函式:
1 struct hash<char*> 2 struct hash<const char*> 3 struct hash<char> 4 struct hash<unsigned char> 5 struct hash<signed char> 6 struct hash<short> 7 struct hash<unsigned short> 8 struct hash<int> 9 struct hash<unsigned int> 10 struct hash<long> 11 struct hash<unsigned long>
也就是說,如果你的key使用的是以上型別中的一種,你都可以使用預設的hash函式。當然你自己也可以定義自己的hash函式。對於自定義變數,你只能如此,例如對於string,就必須自定義hash函式。例如:
1 struct str_hash{ 2 size_t operator()(const string& str) const 3 { 4 unsigned long __h = 0; 5 for (size_t i = 0 ; i < str.size() ; i ++) 6 __h = 5*__h + str[i]; 7 return size_t(__h); 8 } 9 }; 10 //如果你希望利用系統定義的字串hash函式,你可以這樣寫: 11 struct str_hash{ 12 size_t operator()(const string& str) const 13 { 14 return __stl_hash_string(str.c_str()); 15 } 16 };
在宣告自己的雜湊函式時要注意以下幾點:
- 使用struct,然後過載operator().
- 返回是size_t
- 引數是你要hash的key的型別。
- 函式是const型別的。
如果這些比較難記,最簡單的方法就是照貓畫虎,找一個函式改改就是了。
現在可以對開頭的"嶽不群"進行雜湊化了 . 直接替換成下面的宣告即可:
map<string, string> namemap; //改為: hash_map<string, string, str_hash> namemap;
其他用法都不用變。當然不要忘了吧str_hash的宣告以及標頭檔案改為hash_map。
官方解答:
方法一:暴力法
直覺
逐個檢查所有的字串,看它是否不含有重複的字元。
演算法
假設我們有一個函式boolean allUnique(String substring)
,如果子字串中的字元都是唯一的,它會返回true,否則會返回false。 我們可以遍歷給定字串s
的所有可能的子字串並呼叫函式allUnique
。 如果事實證明返回值為true,那麼我們將會更新無重複字元子串的最大長度的答案。
現在讓我們填補缺少的部分:
-
為了列舉給定字串的所有子字串,我們需要列舉它們開始和結束的索引。假設開始和結束的索引分別為 i 和 j。那麼我們有 0≤i<j≤n (這裡的結束索引 j 是按慣例排除的)。因此,使用 i從0到 n - n−1 以及 j 從 i+1到 n這兩個巢狀的迴圈,我們可以枚舉出
s
的所有子字串。 -
要檢查一個字串是否有重複字元,我們可以使用集合。我們遍歷字串中的所有字元,並將它們逐個放入
set
中。在放置一個字元之前,我們檢查該集合是否已經包含它。如果包含,我們會返回false
。迴圈結束後,我們返回true
。
Java程式碼:
1 public class Solution { 2 public int lengthOfLongestSubstring(String s) { 3 int n = s.length(); 4 int ans = 0; 5 for (int i = 0; i < n; i++) 6 for (int j = i + 1; j <= n; j++) 7 if (allUnique(s, i, j)) ans = Math.max(ans, j - i); 8 return ans; 9 } 10 11 public boolean allUnique(String s, int start, int end) { 12 Set<Character> set = new HashSet<>(); 13 for (int i = start; i < end; i++) { 14 Character ch = s.charAt(i); 15 if (set.contains(ch)) return false; 16 set.add(ch); 17 } 18 return true; 19 } 20 }
複雜度分析:
方法二:滑動視窗
演算法
暴力法非常簡單。但它太慢了。那麼我們該如何優化它呢?
在暴力法中,我們會反覆檢查一個子字串是否含有有重複的字元,但這是沒有必要的。如果從索引 i 到 j - 1之間的子字串 s
本文非原創,參考連結:https://www.cnblogs.com/ariel-dreamland/p/8668286.html
(因為這道題大多數部落格寫的是java的程式碼,找了挺久才找到這位小姐姐寫的部落格,C++的解法很全。感謝原作者小姐姐。之前找影象語義分割的部落格也是這位小姐姐的一篇部落格寫得
題目:本文給出了:沒有重複字元的最長子串給定一個字串,找出不含有重複字元的最長子串的長度。示例:給定"abcabcbb",沒有重複字元的最長子串是"abc" ,那麼長度就是3. 給定"bbbbb" ,最長的子串就是 "b" ,長度是1 給定 "pwwkew",
我們把陣列 A 中符合下列屬性的任意連續子陣列 B 稱為 “山脈”:
B.length >= 3
存在 0 < i < B.length - 1 使得 B[0] < B[1] < ... B[i-1] < B
3. 無重複字元的最長子串
題目描述提示幫助提交記錄社群討論閱讀解答
隨機一題
給定一個字串,找出不含有重複字元的最長子串的長度。
示例 1:
輸入: "abcabcbb"
輸出: 3
解釋: 無重複字元的最長子串是 "abc",其長度為 3。
示
給定一個字串,找出不含有重複字元的最長子串的長度。
示例 1:
輸入: "abcabcbb"
輸出: 3
解釋: 無重複字元的最長子串是 "abc",其長度為 3。
示例 2:
輸入: "bbbbb"
輸出: 1
解釋: 無重複字元的最長子串是 "b",其長度為 1。
題目及測試
package pid003;
/*無重複字元的最長子串
給定一個字串,找出不含有重複字元的最長子串的長度。
示例 1:
輸入: "abcabcbb"
輸出: 3
解釋: 無重複字元的最長子串是 "abc",其長度為 3。
示例 2:
輸入: "bbbbb"
輸出:
給定一個字串,找出不含有重複字元的 最長子串 的長度。
示例: 給定 “abcabcbb” ,沒有重複字元的最長子串是 “abc” ,那麼長度就是3。 給定 “bbbbb” ,最長的子串就是 “b” ,長度是1。 給定 “pwwkew” ,最長子串是 “wke” ,長度是3。請
class Solution: def lengthOfLongestSubstring(self, s): “”" :type s: str :rtype: int “”" # s為空時返回0 if not s: return 0 # 非空字串的長度最小為1 long = 1 # 子串
題目描述:
給定一個字串,請你找出其中不含有重複字元的最長子串的長度。
示例 1:
輸入: “abcabcbb” 輸出: 3 解釋: 因為無重複字元的最長子串是 “abc”,所以其長度為 3。
示例 2:
輸入: “bbbbb” 輸出: 1 解釋
給定一個字串,找出不含有重複字元的最長子串的長度。
示例 1:
輸入: "abcabcbb"
輸出: 3
解釋: 無重複字元的最長子串是 "abc",其長度為 3。
示例 2:
輸入: "bbbbb"
輸出: 1
解釋: 無重複字元的最長子串是 "b",其長度
不知道為什麼上不去本站了,只能夠上中國站。因為這道題目比較簡單,所以只是貼上程式碼。
這道題目的思路很簡單,就不贅述了。這裡反思自己的一個小問題,即開始的時候腦抽的以為題目只會給26個字母,所以直接用了
class Solution {
public:
int lengthOfLongestSubstring(string s) {
int num = s.length();
int result = 0;
int begin = 0;
for (int e
題目略。當時並不會做,思路大致就是和官方解答中的方法一類似,時間複雜度n3。
查看了方法三之後,豁然開朗,這裡簡單介紹一下思路。
核心思想大概是這樣的:設開始計算無重複字串的起點字元為位置i,設當前所讀的字元為位置j;若從位置i至位置j的字串中,存在有與位置j的字元相同的
1. 題目
2. 解答
2.1. 方法一
我們從前往後遍歷字串,start 代表最長子串的起始位置,一開始設定為零。
如果沒有遇到重複字元,則更新子串的長度,向後遍歷。
如果遇到重複字元時,則更新字串
題目:
給定一個字串,找出不含有重複字元的最長子串的長度。
示例:
給定 “abcabcbb” ,沒有重複字元的最長子串是 “abc” ,那麼長度就是3。
給定 “bbbbb” ,最長的子串就是 “b” ,長度是1。
給定 “pwwkew” ,最長子串
題目描述:給定一個字串,找出不含有重複字元的最長子串的長度。示例:給定 "abcabcbb" ,沒有重複字元的最長子串是 "abc" ,那麼長度就是3。給定 "bbbbb" ,最長的子串就是 "b" ,
原題題解
方法一
窮舉所有的子串(定義兩個函式):
①第一個函式窮舉所有可能出現的子串結果,對於字串的每一個字元,它所構成的子串是下標比它大的所有子串組合
eg:abc
對於a,子串有a, ab,ab
給定一個字串,找出不含有重複字元的最長子串的長度。
示例:
給定 “abcabcbb” ,沒有重複字元的最長子串是 “abc” ,那麼長度就是3。
給定 “bbbbb” ,最長的子串就是 “b” ,長
題目描述:
解題思路:可以String類的方法,用兩層迴圈,第一層迴圈是不斷從前往後走,用 i 遍歷字串,第二層迴圈則從第一層迴圈開始往後查詢最長無重複子串。在第二層迴圈中,每次按照索引 j 將字串拆分成子串,然後再從 i 開始查詢該子串的位置,如果該位置就
題目描述
Given a string, find the length of the longest substring wit 相關推薦
LeetCode 3.無重複字元的最長子串(C++、java)
Leetcode 3.無重複字元的最長子串(C語言佇列)
LeetCode 845. 陣列中的最長山脈(C++、python)
leetcode(3)無重複字元的最長子串
leetcode 3. 無重複字元的最長子串(python)
leetcode-3-無重複字元的最長子串(longest substring without repeating characters)-java
【演算法】【python】leetcode 3 無重複字元的最長子串
leetcode 3. 無重複字元的最長子串 (python語言)
LeetCode 3.無重複字元的最長子串 Longest Substring Without Repeating Characters(C語言)
leetcode 3:無重複字元的最長子串
leetcode 3. 無重複字元的最長子串 解題程式碼
LeetCode-3 無重複字元的最長子串
leetcode 3 無重複字元的最長子串
LeetCode 3——無重複字元的最長子串
LeetCode 3. 無重複字元的最長子串(C++)
[Leetcode] 3.無重複字元的最長子串
LeetCode 3. 無重複字元的最長子串(Java版)
Leetcode 3 無重複字元的最長子串 python
LeetCode -- 3. 無重複字元的最長子串 java
LeetCode-3-無重複字元的最長子串(longest-substring-without-repeating-characters)