描述
所有 DNA 都由一系列缩写为 ‘A’,‘C’,‘G’ 和 ‘T’ 的核苷酸组成,例如:“ACGAATTCCG”。在研究 DNA 时,识别 DNA 中的重复序列有时会对研究非常有帮助。
编写一个函数来找出所有目标子串,目标子串的长度为 10,且在 DNA 字符串 s 中出现次数超过一次。
分析
滑动窗口,截取长度为10的字符串,判断字符串是不是在map中已经存在过,存在过就加入结果集合。
为了提高比较效率,选择把字符串转成一个整数,作为map的键。
使用位运算把一个字符串转成一个整数。用两个位表示一个字母,10个字母就需要20个位。
注意位运算的优先级低于算数运算
class Solution {
public List<String> findRepeatedDnaSequences(String s) {
List<String> res = new ArrayList<>();
if(s.length() <= 10){
return res;
}
int bia = 0;
Map<Integer,Integer> map = new HashMap<>();
Map<Character,Integer> cmap = new HashMap<>();
cmap.put('A',0);//00
cmap.put('C',1);//01
cmap.put('G',2);//10
cmap.put('T',3);//11
for(int i = 0; i < s.length(); i++){
bia = ((bia << 2 | cmap.get(s.charAt(i))) & ((1 << 20) -1));
if(i < 9){
continue;
}
map.put(bia,map.getOrDefault(bia,0)+1);
//这里等于2,不是大于等于2,目的是防止结果集合重复加入相同的字符串。
if(map.getOrDefault(bia,0) == 2){
res.add(s.substring(i-9,i+1));
}
}
return res;
}
}