Leetcode——重复的DNA序列

Posted 2021-10-27 Yawn,

1. 重复的DNA序列

（1）滑动窗口 + 哈希表

• 从左到右处理字符串 ss，使用滑动窗口得到每个以 s[i]为结尾且长度为 10 的子串，同时使用哈希表记录每个子串的出现次数，如果该子串出现次数超过一次，则加入答案。
• 为了防止相同的子串被重复添加到答案，而又不使用常数较大的 Set 结构。我们可以规定：当且仅当该子串在之前出现过一次（加上本次，当前出现次数为两次）时，将子串加入答案

class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        List<String> ans = new ArrayList<>();
        int n = s.length();
        Map<String, Integer> map = new HashMap<>();

        //遍历字符串s，i + 10 <= n时代表后续子串不足10个
        for (int i = 0; i + 10 <= n; i++) {
            //目标子串的长度为 10，且在 DNA 字符串 s 中出现次数超过一次
            String cur = s.substring(i, i + 10);
            int count = map.getOrDefault(cur, 0);
            if (count == 1) 
                ans.add(cur);
            map.put(cur, count + 1);
        }
        
        return ans;
    }
}

（2）自定义哈希

先思考一下慢在什么地方？

• 一是每次生成子串都是新的字符串（Java中字符串不可变）
• 二是计算hash每次都是10个字符全部遍历一遍。

那么，我们有没有办法规避掉这两个问题呢？

• 首先，我们可以不生成子串，直接使用字符来计算hash。
• 其次，我们可以设计一个滑动窗口为10的窗口，每次向前滑动时把第一个字符删掉，加入一个新的字符就可以了

要实现以上两点，我们需要自定义我们的hash方法。

• 考虑到题目约定了一共只会出现 ACGT 四种字符，所以，我们可以使用把 ACGT 四个字符映射到 2 位的数字上，分别用二进制的 00、01、10、11 表示，即 0、1、2、3，这样长度为 10 的子串一共只需要 20 位，用一个 int 类型就可以承载了。

class Solution {

    // 把ACGT四个字符映射到2位的数字
    static int[] MASK_MAP = new int[26];
    static {
        MASK_MAP['A' - 'A'] = 0;
        MASK_MAP['C' - 'A'] = 1;
        MASK_MAP['G' - 'A'] = 2;
        MASK_MAP['T' - 'A'] = 3;
    }

    public List<String> findRepeatedDnaSequences(String s) {
        int n = s.length();
        List<String> ans = new ArrayList<>();
        if (n <= 10) {
            return ans;
        }

        // 记录每个hash出现的次数
        int[] map = new int[1 << 20];
        int hash = 0;
        for (int i = 0; i < 10; i++) {
            // 每2位一个字符
            hash = hash << 2 | MASK_MAP[s.charAt(i) - 'A'];
        }
        map[hash]++;

        for (int i = 1; i <= n - 10; i++) {
            // & 0xfffff 表示打掉最高位的2位
            hash = (hash << 2 | MASK_MAP[s.charAt(i + 10 - 1) - 'A']) & 0xfffff;
            map[hash]++;
            // 因为不存在hash冲突，所以可以直接使用
            if (map[hash] == 2) {
                ans.add(s.substring(i, i + 10));
            }
        }

        return ans;
    }
}