title | description | keywords | ||||||||
---|---|---|---|---|---|---|---|---|---|---|
15. 字符串中的所有变位词 |
LeetCode 15. 字符串中的所有变位词题解,字符串中的所有变位词,包含解题思路、复杂度分析以及完整的 JavaScript 代码实现。 |
|
给定两个字符串 s
和p
,找到 s
中所有 p
的 变位词 的子串,返回这些子串的起始索引。不考虑答案输出的顺序。
变位词 指字母相同,但排列不同的字符串。
示例 1:
输入: s = "cbaebabacd", p = "abc"
输出:[0,6]
解释:
起始索引等于 0 的子串是 "cba", 它是 "abc" 的变位词。
起始索引等于 6 的子串是 "bac", 它是 "abc" 的变位词。
** 示例 2:**
输入: s = "abab", p = "ab"
输出:[0,1,2]
解释:
起始索引等于 0 的子串是 "ab", 它是 "ab" 的变位词。
起始索引等于 1 的子串是 "ba", 它是 "ab" 的变位词。
起始索引等于 2 的子串是 "ab", 它是 "ab" 的变位词。
提示:
1 <= s.length, p.length <= 3 * 10^4
s
和p
仅包含小写字母
::: warning 本题与 LeetCode 第 438 题 相同。 :::
使用滑动窗口算法,思路如下:
- 使用双指针中的左右指针,初始化
left = right = 0
,把索引左闭右开区间[left, right)
称为一个「窗口」; - 不断地增加
right
指针扩大窗口[left, right)
,直到窗口中的字符串符合要求(包含了s1.length
个字符); - 停止增加
right
,转而不断增加left
指针缩小窗口[left, right)
,直到窗口中的字符串不再符合要求(不包含s1.length
个字符了);同时,每次增加left
,都要更新一轮结果; - 重复第 2 和第 3 步,直到
right
到达字符串s2
的尽头;
详细的滑动窗口答题框架讲解,可阅读 《3.11 滑动窗口》。
- 时间复杂度:
O(n + m)
,其中n
是s2
的长度,m
是s1
的长度。- 初始化
need
字典需要遍历字符串s1
,时间复杂度是O(m)
; - 滑动窗口遍历
s
,外层的while
循环遍历字符串s
,最多遍历n
次; - 内层
if
语句也只是在窗口达到p.length
时触发,窗口的大小固定为p.length
,每次移动左指针时也是常数时间操作。
- 初始化
- 空间复杂度:
O(n)
- 结果数组
res
最多存储O(n)
个结果(每个可能的起始索引),在最坏情况下,res
数组可能会存储所有可能的起始索引,导致空间复杂度为O(n)
。 need
和window
字典的大小最多是英文字母的数量(26 个字母),所以它们的空间复杂度是O(1)
,其他变量的存储是常数空间。
- 结果数组
/**
* @param {string} s
* @param {string} p
* @return {number[]}
*/
var findAnagrams = function (s, p) {
let window = {},
need = {};
for (let i of p) {
need[i] = (need[i] || 0) + 1;
}
let left = 0,
right = 0,
valid = 0,
// 记录结果
res = [];
while (right < s.length) {
let c = s[right];
right++;
// 进行窗口内数据的一系列更新
if (need[c]) {
window[c] = (window[c] || 0) + 1;
if (window[c] == need[c]) {
valid++;
}
}
// 判断左侧窗口是否要收缩
if (right - left == p.length) {
// 当窗口符合条件时,把起始索引加入 res
if (valid == Object.keys(need).length) {
res.push(left);
}
let d = s[left];
left++;
// 进行窗口内数据的一系列更新
if (need[d]) {
if (window[d] == need[d]) {
valid--;
}
window[d]--;
}
}
}
return res;
};