【算法】Substring with Concatenation of All Words 所有单词链接而成的子串

题目

You are given a string, s, and a list of words, words, that are all of the same length. Find all starting indices of substring(s) in s that is a concatenation of each word in words exactly once and without any intervening characters.

Example 1:

Input:
s = "barfoothefoobarman",
words = ["foo","bar"]
Output: [0,9]
Explanation: Substrings starting at index 0 and 9 are "barfoo" and "foobar" respectively.
The output order does not matter, returning [9,0] is fine too.
Example 2:

Input:
s = "wordgoodgoodgoodbestword",
words = ["word","good","best","word"]
Output: []

给出一个字符串 s ,和一个单词数组 words,words 中所有的单词长度相同,找出 s 中,由 words 所有单词拼接而成的子串的起始索引。

解题思路

因为 words 中所有的单词长度是相同的,所以可以考虑以固定的单词长度为切割,遍历比较每个单词:

  1. 用 words 创建 map,key 为单词,value 为单词的数量。
  2. s 长度 sLen,单词个数 wCount,单词长度 wLen,存储结果数组 result。
  3. 由于是遍历比较单词,所以两层遍历,外层的遍历 i 是 0 到 wLen-1,里层遍历 j 为 i 到 sLen-wLen,每次增长 wLen。
  4. 外层遍历:将 left 索引移动到 i ,总匹配成功单词数量 count = 0,创建单词匹配池 pairPool,key 为单词,匹配数量 value 为 0 。
  5. 里层遍历:
    • 获取 s 中的单词 subStr,若匹配成功,则 pairPool 中对应匹配数量 +1,总匹配成功单词数量 +1
    • 匹配成功之后,如果 subStr 匹配成功数量大于 words 中的数量,则说明 subStr 匹配过多,需要从 left 开始逐一抛弃单词,直至subStr 匹配数量与 words 中的数量一致
    • 如果 总匹配成功单词数量 count 等于 wCount,则说明在该次比较中,words 的所有单词均匹配成功,left 即为一个结果,将 left 加入到 result中,count -1,left 右移 wLen
    • 如果 subStr 匹配失败,则抛弃之前的匹配数据,重置 pairPool、count,将left 重置到 j + wLen处
  6. 两层遍历结束后,返回结果 result

代码实现

func findSubstring(_ s: String, _ words: [String]) -> [Int] {
        //如果 s 或者 words 为空,则返回 []
        if s.isEmpty || words.count<=0 {
            return []
        }
        //声明 s 长度 sLen,单词个数 wCount,单词长度 wLen
        let sLen = s.count, wCount = words.count, wLen = words.first!.count
        //声明 result 存储结果用
        var result = [Int]()
        // map 用于存储 words 中每个单词的个数
        var map = [String:Int]()
        // pairPool1 用于重新初始化匹配单词池
        var pairPool1 = [String:Int]()
        // 配置 map 和 pairPool1
        for word in words {
            if map.keys.contains(word) {
                map[word]! += 1
            }else{
                map[word] = 1
                pairPool1[word] = 0
            }
        }
        // 遍历从 0 到 wLen-1
        for i in 0 ..< wLen {
            // left 为目标子串的左索引, count 为已经匹配成功的单词个数
            var left = i, count = 0
            //将pairPool1 复制给 pairPool 进行初始化,pairPool 用以存储每个单词已经匹配的个数
            var pairPool = pairPool1
            // 从 i 开始,wlen 为长度,sLen=wLen 为尾,遍历每个单词
            for j in stride(from: i, through: sLen-wLen, by: wLen) {
                //获取 s 中 j 索引处的单词 subStr
                let jIndex = s.index(s.startIndex, offsetBy: j)
                let subStr = String(s[jIndex ..< s.index(jIndex, offsetBy: wLen)])
                //如果 words 中含有该单词,则单词匹配成功
                if map.keys.contains(subStr) {
                    //单词匹配成功,在匹配池中,subStr 的匹配数量 +1 ,总匹配数量 count +1
                    pairPool[subStr]! += 1
                    count += 1
                    //如果 s 中 subStr 匹配数量大于 words 中的数量,则从 left 开始逐一抛弃单词
                    //直至 s 中 subStr 匹配数量等于 words 中的数量
                    while pairPool[subStr]! > map[subStr]! {
                        //获取 left 索引处单词 lSubStr
                        let lIndex = s.index(s.startIndex, offsetBy: left)
                        let lSubStr = String(s[lIndex ..< s.index(lIndex, offsetBy: wLen)])
                        // lSubStr 匹配成功数量 -1
                        pairPool[lSubStr]! -= 1
                        //总匹配成功单词数量 count -1
                        count -= 1
                        // left 右移 wLen 位
                        left += wLen
                    }
                    //如果 count 等于 wCount,则说明在该次比较中,words 的所有单词均匹配成功,left 即为一个结果
                    if count == wCount {
                        // words 中所有单词匹配成功,将结果 left 添加到 result 中
                        result.append(left)
                        //获取 left 索引处单词 lSubStr
                        let lIndex = s.index(s.startIndex, offsetBy: left)
                        let lSubStr = String(s[lIndex ..< s.index(lIndex, offsetBy: wLen)])
                        // lSubStr 匹配成功数量 -1
                        pairPool[lSubStr]! -= 1
                        //总匹配成功单词数量 count -1
                        count -= 1
                        // left 右移 wLen 位
                        left += wLen
                    }
                }else{
                    //若 words 中没有该单词,则说明匹配失败,抛弃之前的匹配数据,重置 pairPool、count,将left 重置到 j + wLen处
                    pairPool = pairPool1
                    count = 0
                    left = j + wLen
                }
            }
        }
        //返回结果
        return result
    }

代码地址:https://github.com/sinianshou/EGSwiftLearning

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,362评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,330评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,247评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,560评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,580评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,569评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,929评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,587评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,840评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,596评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,678评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,366评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,945评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,929评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,165评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,271评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,403评论 2 342

推荐阅读更多精彩内容