leetcode----187. Repeated DNA Sequences

链接：

https://leetcode.com/problems/repeated-dna-sequences/

大意：

给定一个DNA序列字符串s，字符串中每个字符为'A','C','G'或'T'。现在要求找出在s中连续子串长度为10，且在s中出现过一次以上的所有子串。例子：

思路：

使用两个set。set1用于存放s中所有长度为10的子串，set2用于存放 出现过一次以上的长度为10的子串。

代码：

class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        List<String> res = new ArrayList<>();
        if (s.length() <= 10)
            return res;
        // set1用于存放所有的长度为10的连续子串 set2用于存放所有出现过一次以上的长度为10的子串
        Set<String> set1 = new HashSet<>(), set2 = new HashSet<>();
        for (int i = 0; i + 10 - 1 < s.length(); i++) {
            String subStr = s.substring(i, i + 10);
            if (set1.contains(subStr))
                set2.add(subStr);
            set1.add(subStr);
        }
        res.addAll(set2);
        return res;
    }
}

结果：

结论：

效率不高，有待改进。

改进：

参考：https://leetcode.com/problems/repeated-dna-sequences/discuss/53867/Clean-Java-solution-(hashmap-%2B-bits-manipulation)

思路解释参考下方评论 Khaled_Hamdy 老哥。

class Solution{
    public List<String> findRepeatedDnaSequences(String s) {
        Set<Integer> words = new HashSet<>();
        Set<Integer> doubleWords = new HashSet<>();
        List<String> rv = new ArrayList<>();
        Map<Character, Integer> map = new HashMap<>();
        // set中存放整数，四个字母每个字母对应0，1，2，3  若set是存放String 则还需要进行一步String->Integer的过程（取哈希值）
        map.put('A', 0);map.put('C', 1);map.put('G', 2);map.put('T', 3);
        for(int i = 0; i < s.length() - 9; i++) {
            int v = 0;
            for(int j = i; j < i + 10; j++) {
                v <<= 2;
                v |= map.get(s.charAt(j));
            }
            // 如果set添加成功 即set中之前无该元素 返回true  否则返回false  短路与
            if(!words.add(v) && doubleWords.add(v)) {
                rv.add(s.substring(i, i + 10));
            }
        }
        return rv;
    }
}

最佳：

使用位图法（Java中自带BitSet，BitMap类）。主要是提高空间效率

class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        int len = s.length(), mod = 1 << 20, mask = 0xFFFFF, n = 0;
        if (len < 11) return new ArrayList<>();
        
        // 'A' -> 0  'C' -> 1 'G' -> 2 'T' -> 3
        int[] ints = new int['T' + 1];
        ints['C'] = 1; ints['G'] = 2; ints['T'] = 3;

        List<String> list = new ArrayList<>();
        BitSet seen = new BitSet(mod), added = new BitSet(mod);
        for (int i = 0; i < len; i++) {
            n = (n << 2) & mask | ints[s.charAt(i)]; // 获得连续10个字符串的哈希码 （基于上述的字符串->整数映射）
            if (i >= 9)
                if (seen.get(n)) { // 如果seen中在n位置上已有数字 则返回true 否则返回false
                    if (!added.get(n)) {
                        added.set(n);
                        list.add(s.substring(i - 9, i + 1));
                    }
                } else seen.set(n);
        }
        return list;
    }
}