给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串,则返回空字符串 "" 。
注意:
对于 t 中重复字符,我们寻找的子字符串中该字符数量必须不少于 t 中该字符数量。 如果 s 中存在这样的子串,我们保证它是唯一的答案。
示例 1:
输入:s = "ADOBECODEBANC", t = "ABC"
输出:"BANC"
解释:最小覆盖子串 "BANC" 包含来自字符串 t 的 'A'、'B' 和 'C'。
示例 2:
输入:s = "a", t = "a"
输出:"a"
解释:整个字符串 s 是最小覆盖子串。
示例 3:
输入: s = "a", t = "aa"
输出: ""
解释: t 中两个字符 'a' 均应包含在 s 的子串中,
因此没有符合条件的子字符串,返回空字符串。
提示:
- m == s.length
- n == t.length
- 1 <= m, n <= 105
- s 和 t 由英文字母组成
进阶:你能设计一个在 o(m+n) 时间内解决此问题的算法吗?
思路:
这个问题可以通过滑动窗口的方法来解决。以下是算法的基本步骤:
- 统计目标字符:使用哈希表 recordMap 记录字符串 t 中每个字符出现的次数,并计算 t 中不重复字符的总数 wordCount。
- 初始化指针和结果:设置左右指针 left 和 right,用于表示当前考虑的子串范围,以及用于存储当前满足条件的最小子串 result 和临时子串 tempResult。
- 扩展窗口:通过增加 right 指针来扩展窗口,将 s[right] 加入 tempResult,并更新字符计数。如果 s[right] 是 t 中的字符,则减少 recordMap 中对应的计数,并检查是否需要减少 wordCount。
- 收缩窗口:当 wordCount 为 0 时,说明当前窗口包含了 t 中所有字符。尝试通过移动 left 指针来收缩窗口,找到满足条件的最小子串。更新 recordMap 和 wordCount,同时更新 result。
- 更新结果:每次窗口包含 t 中所有字符时,检查并更新 result,以保持最小长度的子串。
- 返回结果:如果最终没有找到满足条件的子串,返回空字符串 ""。
时间复杂度:O(m+n),其中 m 是字符串 s 的长度,n 是字符串 t 的长度。算法只遍历了 s 和 t 一次。 空间复杂度:O(k),其中 k 是 t 中不同字符的数量。这是因为我们使用了一个哈希表来存储字符计数。
var minWindow = function (s, t) {
let recordMap = new Map(),
wordCount = 0;
for (let i = 0; i < t.length; i++) {
let val = recordMap.get(t[i]);
if (val) {
recordMap.set(t[i], val + 1);
} else {
recordMap.set(t[i], 1);
wordCount += 1;
}
}
let left = 0,
right = 0,
result = '',
tempResult = '';
while (right <= s.length) {
if (wordCount > 0) {
tempResult = tempResult + s[right];
let temp = recordMap.get(s[right]);
if (temp !== undefined) {
recordMap.set(s[right], temp - 1);
if (temp - 1 === 0) {
wordCount -= 1;
}
}
right++;
} else {
if (result === '' || tempResult.length < result.length) {
result = tempResult;
}
let temp = recordMap.get(s[left]);
if (temp !== undefined) {
recordMap.set(s[left], temp + 1);
if (temp === 0) {
wordCount += 1;
}
}
tempResult = tempResult.slice(1);
left++;
}
}
return result;
};