当前位置：首页 > news >正文

leetcode 567. 字符串的排列

news 2025/10/7 10:25:38

LeetCode 链接

字符串的排列

题目描述

给定两个字符串 s1 和 s2，判断 s2 中是否存在一个连续子串，其字符组成与 s1 完全相同（顺序无关）。例如，若 s1 = "ab"，则合法的子串可以是 "ab"、"ba" 或其他任意排列组合。

示例 1：

输入：s1 = "ab"，s2 = "eidbaooo"

输出：true

解释：s2 中存在子串 "ba"，其字符组成与 s1 相同。

示例 2：

输入：s1 = "ab"，s2 = "eidboaoo"

输出：false

解释：s2 中所有长度为 2 的子串均不满足字符组成要求。

核心思路

本题的关键在于高效判断 s2 中是否存在与 s1 字符组成相同的子串。由于直接暴力枚举所有可能的子串会导致时间复杂度过高（如 s2 长度为 1e4 时，子串数量可达百万级），因此需要借助滑动窗口和字符计数的技巧来优化。

解法一：暴力枚举（直观但低效）

思路：

统计 s1 中各字符的出现次数。
遍历 s2 的所有可能子串（长度等于 s1），逐一比对字符计数是否一致。

代码实现：

class Solution {public boolean checkInclusion(String s1, String s2) {if (s1.length() > s2.length()) return false;// 统计s1的字符频率Map<Character, Integer> target = new HashMap<>();for (char c : s1.toCharArray()) {target.put(c, target.getOrDefault(c, 0) + 1);}// 枚举s2的所有长度为s1.length()的子串for (int i = 0; i <= s2.length() - s1.length(); i++) {Map<Character, Integer> window = new HashMap<>();for (int j = i; j < i + s1.length(); j++) {char c = s2.charAt(j);window.put(c, window.getOrDefault(c, 0) + 1);}// 判断当前窗口是否与目标完全匹配if (target.equals(window)) return true;}return false;}
}

特点：

✅ 代码逻辑简单直观

❌ 时间复杂度为 O(m*n)（m 和 n 分别为 s1 和 s2 的长度），无法通过大数据量测试

解法二：滑动窗口 + 动态计数（最优解）

核心思想：

通过维护一个固定大小的窗口（长度等于 s1），逐步向右滑动窗口，实时更新窗口内的字符计数，并与 s1 的计数进行比对。当窗口计数完全匹配时，立即返回结果。

关键优化点：

滑动窗口：避免重复计算，每次只需处理新增和移出的字符。
数组代替哈希表：利用 ASCII 码的特性，用长度为 26 的数组存储字符计数，提升查询效率。

代码实现：

class Solution {public boolean checkInclusion(String s1, String s2) {if (s1.length() > s2.length()) return false;int[] target = new int[26];  // s1的字符计数int[] window = new int[26]; // 当前窗口的字符计数// 初始化窗口和目标计数for (int i = 0; i < s1.length(); i++) {target[s1.charAt(i) - 'a']++;window[s2.charAt(i) - 'a']++;}// 初步比对if (Arrays.equals(target, window)) return true;// 滑动窗口for (int i = s1.length(); i < s2.length(); i++) {// 添加新字符char newChar = s2.charAt(i);window[newChar - 'a']++;// 移出旧字符char oldChar = s2.charAt(i - s1.length());window[oldChar - 'a']--;// 判断是否匹配if (Arrays.equals(target, window)) return true;}return false;}
}

特点：

✅ 时间复杂度优化至 O(n)（仅需遍历一次 s2）

✅ 空间复杂度优化至 O(1)（固定大小数组）

❌ 需要处理字符计数的动态增减逻辑