LeetCode 热题100 | 3. 无重复字符的最长子串

大家好，今天我们来解决一道经典的算法题——无重复字符的最长子串。这道题在 LeetCode 上被标记为中等难度，要求我们找出一个字符串中不含有重复字符的最长子串的长度。下面我将详细讲解解题思路，并附上 Python 代码实现。

---

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。

示例：

输入: s = "abcabcbb"
输出: 3 
解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。

---

解题思路

这道题的核心是找到一个不包含重复字符的子串，并返回其最大长度。我们可以使用 滑动窗口 来解决这个问题。

核心思想

1. 滑动窗口：

   • 使用两个指针 left 和 right 表示当前子串的左右边界。
   • 使用一个哈希集合 char_set 来记录当前子串中的字符。

2. 窗口扩展：

   • 移动 right 指针，将字符加入 char_set。
   • 如果字符已经存在于 char_set 中，则移动 left 指针，直到 char_set 中不再有重复字符。

3. 更新最大长度：

   • 每次扩展窗口后，更新最大子串长度。

---

代码实现

def lengthOfLongestSubstring(s):""":type s: str:rtype: int"""char_set = set()  # 用于记录当前子串中的字符left = 0  # 滑动窗口的左边界max_length = 0  # 最大子串长度for right in range(len(s)):# 如果当前字符已经存在于集合中，移动左指针while s[right] in char_set:char_set.remove(s[left])left += 1# 将当前字符加入集合char_set.add(s[right])# 更新最大长度max_length = max(max_length, right - left + 1)return max_length

---

代码解析

1. 初始化：

   • char_set 用于记录当前子串中的字符。
   • left 是滑动窗口的左边界，初始为 0。
   • max_length 是最大子串长度，初始为 0。

2. 滑动窗口扩展：

   • 遍历字符串，移动 right 指针。
   • 如果当前字符 s[right] 已经存在于 char_set 中，则移动 left 指针，并从 char_set 中移除 s[left]，直到 char_set 中不再有重复字符。

3. 更新最大长度：

   • 将当前字符 s[right] 加入 char_set。
   • 更新 max_length 为当前窗口长度 right - left + 1 和 max_length 的较大值。

4. 返回结果：

   • 返回 max_length。

---

复杂度分析

• 时间复杂度：O(n)，其中 n 是字符串的长度。每个字符最多被访问两次（left 和 right 各一次）。
• 空间复杂度：O(min(m, n))，其中 m 是字符集的大小（ASCII 字符集为 128），n 是字符串的长度。char_set 的大小最多为字符集的大小。

---

示例运行

示例 1

# 输入: s = "abcabcbb"
s = "abcabcbb"
print(lengthOfLongestSubstring(s))  # 输出: 3

解释：

• 最长无重复字符的子串是 "abc"，长度为 3。

示例 2

# 输入: s = "bbbbb"
s = "bbbbb"
print(lengthOfLongestSubstring(s))  # 输出: 1

解释：

• 最长无重复字符的子串是 "b"，长度为 1。

示例 3

# 输入: s = "pwwkew"
s = "pwwkew"
print(lengthOfLongestSubstring(s))  # 输出: 3

解释：

• 最长无重复字符的子串是 "wke"，长度为 3。

---

总结

通过滑动窗口法，我们可以高效地找到无重复字符的最长子串。这种方法的时间复杂度为 O(n)，空间复杂度为 O(min(m, n))，能够处理较大的输入规模。希望这篇题解对你有帮助！如果还有其他问题，欢迎继续提问！

关注我，获取更多算法题解和编程技巧！