0哈希/位运算/字符串中等 LeetCode187. 重复的DNA序列 NC220 重复的DNA序列

187. 重复的DNA序列

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;
    }
}