Given a string S and a string T, find the minimum window in S which will contain all the characters in T in complexity O(n).
For example,
S = "ADOBECODEBANC"
T = "ABC"
Minimum window is "BANC"
.
Note:
If there is no such window in S that covers all characters in T, return the empty string ""
.
If there are multiple such windows, you are guaranteed that there will always be only one unique minimum window in S.
问题: 给定字符串 S 和 T ,求 S 中包含所有 T 中字符的最小子字符串。
值得一提的是,“包含所有 T 中的字符”,是要包含 T 中所有字符以及对应的个数。在 T 中重复出现的字符,在最后答案中也需要包含相同个数的重复字符。第一次解没有理解到这个点,提出结果错误,意识到这个点后,修正并提交成功。
解题思路采用的也是 滑动窗口算法(Slide Window Algorithm),LeetCode 把这样的算法归类到 双指针(Two Pointers)类型,算法思路和前面的 Longest Substring Without Repeating Characters 以及 Minimum Size Subarray Sum 相似。
设下标 l 和 r,把左开右闭 [l, r) 想象成一个窗口。
- 当窗口包含所有 T 中的字符时,则此时的窗口是一个可行解,l++
- 当窗口没有包含所有 T 中的字符时,则 r++;
如何判断窗口是否包含所有 T 中的字符呢?我使用了 map<char, alphStatus> 来表示,其中 alphStatus 只包含两个值:对应的字符在 T 中出现次数(target),以及当前窗口包含该字符的个数(cur)。可见,当 cur > target 时,对应字符满足被包含条件。
当所有字符都满足被包含条件时,当前窗口便是一个可行解。
找出所有可行解中窗口最小的,便是原题目的解。
class alphStatus{
public:
int target = ;
int cur = ;
}; string minWindow(string s, string t) { if (s.size() == ) {
return (s == t) ? s : "";
} int l = ;
int r = ;
map<char, alphStatus> alph_status; for (int i = ; i < t.size(); i++) {
alph_status[t[i]].target++;
} if (alph_status.count(s[]) != ) {
alph_status[s[]].cur = ;
} string res = s + "$"; while (r <= s.size()) { bool isAllConted = true; map<char, alphStatus>::iterator m_iter;
for (m_iter = alph_status.begin(); m_iter != alph_status.end(); m_iter++) { if (m_iter->second.cur < m_iter->second.target) {
isAllConted = false;
break;
}
} if ( isAllConted ) { if (r-l < res.size()) {
res = s.substr(l, r-l);
} if (alph_status.count(s[l]) != ) {
alph_status[s[l]].cur--;
}
l++; }else{ if (r < s.size() && alph_status.count(s[r]) != ) {
alph_status[s[r]].cur++;
}
r++;
}
} return ((int)res.size() == (int)s.size()+) ? "" : res;
}