LeetCode LCR 015. 找到字符串中所有字母异位词 (Java)
LCR 015. 找到字符串中所有字母异位词
题目描述
给定两个字符串 s
和 p
,要求找到 s
中所有是 p
的变位词(字母相同但排列不同)的子串,并返回这些子串的起始索引。例如:
- 输入
s = "cbaebabacd", p = "abc"
,输出[0, 6]
,因为子串"cba"
和"bac"
是"abc"
的变位词。 - 输入
s = "abab", p = "ab"
,输出[0, 1, 2]
,因为每个长为 2 的子串都是"ab"
的变位词。
初始思路:暴力滑动窗口
核心思想
- 固定窗口长度:窗口长度为
p.length()
,逐个遍历s
中所有可能的窗口。 - 统计字符频率:对每个窗口,统计字符出现次数,与
p
的字符频率比对。 - 记录匹配结果:若窗口字符频率与
p
完全一致,记录当前窗口的起始索引。
代码实现
public static List<Integer> findAnagrams_2(String s, String p) {int windowLen = p.length();List<Integer> result = new ArrayList<>();int[] pCount = new int[26];// 统计 p 的字符频率for (char c : p.toCharArray()) {pCount[c - 'a']++;}for (int left = 0; left <= s.length() - windowLen; left++) {int[] sCount = new int[26];int sign = 1;// 统计当前窗口的字符频率for (int j = left; j < left + windowLen; j++) {sCount[s.charAt(j) - 'a']++;}// 比对频率是否一致for (int j = 0; j < 26; j++) {if (sCount[j] != pCount[j]) {sign = 0;break; // 优化点:发现不一致立即跳出}}if (sign == 1) {result.add(left);}}return result;
}
复杂度分析
- 时间复杂度:O(n * m),其中
n
是s
的长度,m
是p
的长度。每次窗口需要遍历m
个字符,共遍历n - m + 1
次。 - 空间复杂度:O(1),固定使用两个长度为 26 的数组。
优化思路:动态滑动窗口
核心改进
- 减少重复计算:维护一个固定长度的窗口,每次移动窗口时,只需更新移除的字符和新增的字符。
- 差异计数器:通过一个变量记录当前窗口与
p
的频率差异,避免每次全量比对。
优化代码
public List<Integer> findAnagrams(String s, String p) {List<Integer> result = new ArrayList<>();if (s.length() < p.length()) return result;int[] pCount = new int[26];int[] sCount = new int[26];int windowLen = p.length();// 初始化 p 的字符频率和第一个窗口的 s 字符频率for (int i = 0; i < windowLen; i++) {pCount[p.charAt(i) - 'a']++;sCount[s.charAt(i) - 'a']++;}int diff = 0;for (int i = 0; i < 26; i++) {if (sCount[i] != pCount[i]) diff++;}if (diff == 0) result.add(0);// 滑动窗口:逐个右移,动态更新频率和差异for (int right = windowLen; right < s.length(); right++) {int leftChar = s.charAt(right - windowLen) - 'a';int rightChar = s.charAt(right) - 'a';// 移除左边界字符if (sCount[leftChar] == pCount[leftChar]) diff++;sCount[leftChar]--;if (sCount[leftChar] == pCount[leftChar]) diff--;// 添加右边界字符if (sCount[rightChar] == pCount[rightChar]) diff++;sCount[rightChar]++;if (sCount[rightChar] == pCount[rightChar]) diff--;if (diff == 0) {result.add(right - windowLen + 1);}}return result;
}
关键点解释
- 窗口初始化:初始化
p
和第一个窗口的字符频率,计算初始差异值diff
。 - 滑动更新:
- 移除左边界字符:若该字符原本频率匹配,则移除后差异增加,更新后若重新匹配则差异减少。
- 添加右边界字符:同理更新差异值。
- 差异判断:当
diff == 0
时,当前窗口是变位词。
复杂度分析
- 时间复杂度:O(n),仅遍历
s
一次。 - 空间复杂度:O(1),固定使用两个长度为 26 的数组。
总结
暴力滑动窗口法直观易懂,但时间复杂度较高,适用于小规模数据。优化后的动态滑动窗口通过减少重复计算,显著提升了效率,是解决此类问题的标准方法。核心在于维护窗口的字符频率差异,避免全量比对,将时间复杂度从 O(n * m) 优化到 O(n)。