当前位置：首页 > news >正文

LeetCode 3. 无重复字符的最长子串解析

news 2025/10/28 12:00:42

LeetCode 3. 无重复字符的最长子串解析

1. 题目链接
2. 问题分析
3. 方法一：暴力法（不推荐）
- 复杂度分析：
4. 方法二：滑动窗口（推荐）
- 复杂度分析：
5. 方法三：优化的滑动窗口
- 复杂度分析：
6. 算法对比
7. 关键点与技巧
8. 总结

1. 题目链接

LeetCode 3. 无重复字符的最长子串解析

2. 问题分析

解决这个问题，我们需要找到一个字符串中不包含重复字符的最长子串的长度。关键在于处理字符串时，当遇到重复字符，如何高效地调整子串的起始位置。

3. 方法一：暴力法（不推荐）

最直观的方法是检查所有可能的子串，判断它们是否包含重复字符。

public int lengthOfLongestSubstringBruteForce(String s) {int n = s.length();int maxLength = 0;for (int i = 0; i < n; i++) {for (int j = i; j < n; j++) {if (isUnique(s, i, j)) {maxLength = Math.max(maxLength, j - i + 1);}}}return maxLength;
}private boolean isUnique(String s, int start, int end) {Set<Character> set = new HashSet<>();for (int i = start; i <= end; i++) {char c = s.charAt(i);if (set.contains(c)) {return false;}set.add(c);}return true;
}

复杂度分析：

时间复杂度：O(n³) - 三层嵌套循环（两层for循环，一层哈希集查找）

空间复杂度：O(min(n, m)) - 哈希集的大小

这种方法在LeetCode上会超时，不适合处理较长的字符串。

4. 方法二：滑动窗口（推荐）

滑动窗口算法可以有效地将时间复杂度降低到O(n)。基本思想是维护一个窗口，当遇到重复字符时，移动左边界。

class Solution {public int lengthOfLongestSubstring(String s) {int n = s.length();int l = 0;int r = 0;Set<Character> set = new HashSet<>();int res = 0;while (r < n) {if (set.contains(s.charAt(r))) {set.remove(s.charAt(l));l++;} else {set.add(s.charAt(r));r++;}res = Math.max(res, set.size());}return res;}
}

复杂度分析：

时间复杂度：O(n) - 每个字符最多被访问两次（左指针和右指针各一次）

空间复杂度：O(min(n, m)) - 哈希集的大小，其中m是字符集大小

5. 方法三：优化的滑动窗口

我们可以进一步优化，使用HashMap存储字符及其索引，这样当遇到重复字符时，可以直接跳转到正确的位置。

class Solution {public int lengthOfLongestSubstring(String s) {int n = s.length();int l = 0;int r = 0;Map<Character, Integer> map = new HashMap<>();int res = 0;while (r < n) {if (map.containsKey(s.charAt(r)) && l <= map.get(s.charAt(r))) {l = map.get(s.charAt(r)) + 1;}map.put(s.charAt(r), r);res = Math.max(res, r - l + 1);r++;}return res;}
}