描述
给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串,则返回空字符串 "" 。
注意:
- 对于 t 中重复字符,我们寻找的子字符串中该字符数量必须不少于 t 中该字符数量。
- 如果 s 中存在这样的子串,我们保证它是唯一的答案。
实例
1、
输入:s = "ADOBECODEBANC", t = "ABC"
输出:"BANC"
2、
输入:s = "ADOBECODEBANC", t = "ABC"
输出:"BANC"
3、
输入: s = "a", t = "aa"
输出: ""
解释: t 中两个字符 'a' 均应包含在 s 的子串中,
因此没有符合条件的子字符串,返回空字符串。
提示:
- 1 <= s.length, t.length <= 105
- s 和 t 由英文字母组成
思路
1、使用双指针-滑动窗口
2、遍历字符串s
a、当滑动窗口中的字符不能覆盖t中的字符时,右指针右移,扩大窗口,把右边的字符加入滑动窗口
b、当滑动窗口中的字符能覆盖t中的字符时,不断左移左指针,缩小窗口,直到窗口中的字符刚好能覆盖t中的字符,这个时候在左移就不能覆盖t中的字符了
c、在指针移动的过程中,不断更新最小覆盖子串
实现
/**
* @param {string} s
* @param {string} t
* @return {string}
*/
var minWindow = function (s, t) {
let need = {};
let win = {};
// 统计窗口
for (let str of t) {
need[str] = (need[str] || 0) + 1;
}
let left = 0;
let right = 0;
let valid = 0;
let start = 0;
let len = Number.MAX_VALUE;
while (right < s.length) {
let str = s[right];
right++;
if (need[str]) {
win[str] = (win[str] || 0) + 1;
if (win[str] === need[str]) {
valid++;
}
}
while (valid === Object.keys(need).length) {
if (right - left < len) {
start = left;
len = right - left;
}
let del = s[left];
left++;
if (need[del]) {
if (win[del] === need[del]) {
valid--;
}
win[del]--;
}
}
}
return len === Number.MAX_VALUE ? "" : s.substr(start, len);
};
实现-复杂度分析
时间复杂度
:O(n),n 代表字符串 s 的长度
空间复杂度
:O(n),n 代表 t 字符集大小
官方
// java
class Solution {
Map<Character, Integer> ori = new HashMap<Character, Integer>();
Map<Character, Integer> cnt = new HashMap<Character, Integer>();
public String minWindow(String s, String t) {
int tLen = t.length();
for (int i = 0; i < tLen; i++) {
char c = t.charAt(i);
ori.put(c, ori.getOrDefault(c, 0) + 1);
}
int l = 0, r = -1;
int len = Integer.MAX_VALUE, ansL = -1, ansR = -1;
int sLen = s.length();
while (r < sLen) {
++r;
if (r < sLen && ori.containsKey(s.charAt(r))) {
cnt.put(s.charAt(r), cnt.getOrDefault(s.charAt(r), 0) + 1);
}
while (check() && l <= r) {
if (r - l + 1 < len) {
len = r - l + 1;
ansL = l;
ansR = l + len;
}
if (ori.containsKey(s.charAt(l))) {
cnt.put(s.charAt(l), cnt.getOrDefault(s.charAt(l), 0) - 1);
}
++l;
}
}
return ansL == -1 ? "" : s.substring(ansL, ansR);
}
public boolean check() {
Iterator iter = ori.entrySet().iterator();
while (iter.hasNext()) {
Map.Entry entry = (Map.Entry) iter.next();
Character key = (Character) entry.getKey();
Integer val = (Integer) entry.getValue();
if (cnt.getOrDefault(key, 0) < val) {
return false;
}
}
return true;
}
}
官方-复杂度分析
时间复杂度
:最坏情况下左右指针对 s 的每个元素各遍历一遍,哈希表中对 s 中的每个元素各插入、删除一次,对 t 中的元素各插入一次。每次检查是否可行会遍历整个 t 的哈希表,哈希表的大小与字符集的大小有关,设字符集大小为 C,则渐进时间复杂度为 O(C * ∣s∣+∣t∣)。
空间复杂度
:这里用了两张哈希表作为辅助空间,每张哈希表最多不会存放超过字符集大小的键值对,我们设字符集大小为 C ,则渐进空间复杂度为 O(C)。