大家好，我就是那个在B站讲算法的「华南溜达虎」。
今天在脉脉看到一位华为的同学说隔壁组来了个新od，辽宁理科状元，还是清华姚班的。楼主专门去确认了一下当年的姚班名单，确实是在里面。
评论区大部分脉友觉得不可思议，简直离谱，在质疑行情都差到这个地步了吗？姚班出来去其他大厂还不是随便进？也有脉友猜测可能是背了大厂的竞业协议来od过渡一下。还有脉友表示就算人家进了od也能立马转正，并且跳槽出去依旧抢手，od的履历丝毫不影响他那镶了金边的学历被大厂hr一眼看中。
最近虎哥利用业余时间在B站讲算法，id「华南溜达虎」，我已经把算法面试高频题目列表blind75中的题目讲了一遍，力扣hot100也快讲完了，一个视频五分钟左右，利用空闲时间就把算法学会了，对跳槽找工作升职加薪甚至对考研都有帮助，感兴趣的同学可以 点击底部的「查看全文」 去学习一下。很多看过虎哥视频的同学都反馈讲的由浅及深，清晰明了，下面是一小部分评论截图。
言归正传，今天我们来分享一道高频面试题「无重复字符的最长子串」。
题目描述
给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串 的长度。
输入：一个字符串s
输出：s的无重复字符最长子串的长度
举例：s = "abcabcbb", 那么其无重复字符的最长子串为"abc", 所以返回值是3。
思路解析
基本上有点编程基础的同学都能想到一种暴力的算法，两个for循环找出所有的子串，针对每个子串去判断是否有重复字符，这样的时间复杂度太高了，很显然这并不是面试官想要的答案。
下面介绍一种基于 滑动窗口 的方式来解此题。所谓滑动窗口，其实就是由两个索引维护一个区间，满足一定条件时会动态的去调整这个区间。非常像计算机网络里面tcp协议栈里所用到的滑动窗口算法。这里的两个索引的决定了滑动窗口的起点和终点，始终保持滑动窗口中的元素是不重复的，这题就变成了找到包含非重复元素的最长窗口。
定义left = 0， right = 0，结果保存到res， 统计窗口中字符的集合u_set，区间[left, right]即滑动窗口的区间。
问题的关键就是左右边界如何滑动，窗口滑动策略如下：
如果 s[right]不在u_set中，把s[right]加入到u_set中并更新结果res = max(res, right - left + 1)，right向右滑动，直到s[right]在u_set中。如果 s[right]在u_set中，u_set删除s[left]，left向右滑动，直到s[right]不在u_set中。
根据上面的策略我们就可以获得以字符串s任意位置为右边界(枚举满足条件的右边界)的所有候选窗口，只需要把其中最长的一个窗口的长度返回即可。
看到这里有些同学可能还是不大理解，文字描述的比较抽象，我特意根据一个简单的例子画了个流程图来帮助理解。
比如给定s="abcac",其大致流程如图所示：
下面我们给出c++和python两种代码实现。
C++代码
class Solution {
public:
int lengthOfLongestSubstring(string s) {
unordered_set<char> u_set;
int res = 0;
int len = s.length();
int cur_window = 0; //当前窗口大小
for (int left = 0, right = 0; right < len; ++right) {
while (left < right && u_set.count(s[right])) {
//s[right]已经在u_set中,窗口区间[left,right]中存在重复的元素
//移动left直到窗口区间[left,right]中不存在重复元素
u_set.erase(s[left]);
++left;
--cur_window;
}
u_set.insert(s[right]);
++cur_window;
res = max(res, cur_window);
}
return res;
}
};
python代码
class Solution(object):
def lengthOfLongestSubstring(self, s):
"""
:type s: str
:rtype: int
"""
u_set = set()
res = 0
cur_window = 0 # 当前窗口大小
left = 0 # 初始化左指针
for right in range(len(s)):
while left < right and s[right] in u_set:
# s[right] 已经在 u_set 中，窗口区间 [left, right] 中存在重复的元素
# 移动 left 直到窗口区间 [left, right] 中不存在重复元素
u_set.remove(s[left])
left += 1
cur_window -= 1
u_set.add(s[right])
cur_window += 1
res = max(res, cur_window)
return res
复杂度分析
时间复杂度： 不要看到代码用了一个for嵌套一个while就以为时间复杂度是O(n2)，left，right都是不会回头的两个索引，各自最多只遍历一遍字符串，unordered_set的查找效率一般是O(1)，最坏的情况是O(n)这种情况一般是数据量巨大，存在很多哈希冲突，基本上退化成了链表。由于我们字符集大小也就几百个，不会出现这种最坏的情况。故总的时间复杂度为O(n)， n为字符串长度。
空间复杂度： 用了三个int型变量，一个set，set的最大元素个数为字符集的个数，所以空间复杂度为3 * O(1) + O(m) = O(m)，m为字符集的大小。
号外
经常使用leetcode会员的同学可以使用我的优惠通道啦！
https://leetcode.cn/premium/?promoChannel=ldtiger ，年度会员有效期比官网多俩月，季度会员有效期比官网多两个星期，还有专属福利，需要的读者朋友可以找我了解。
今天的分享就到这里，希望大家能有所收获！
