[LeetCode 30] Substring with Concatenation of All Words (Hard)

You are given a string, s, and a list of words, words, that are all of the same length. Find all starting indices of substring(s) in s that is a concatenation of each word in words exactly once and without any intervening characters.

Example 1:

Input:
  s = "barfoothefoobarman",
  words = ["foo","bar"]
Output: [0,9]
Explanation: Substrings starting at index 0 and 9 are "barfoor" and "foobar" respectively.
The output order does not matter, returning [9,0] is fine too.

Example 2:

Input:
  s = "wordgoodgoodgoodbestword",
  words = ["word","good","best","word"]
Output: []

Solution: HashMap

参考https://www.cnblogs.com/grandyang/p/4521224.html

  1. 要求从S中,找出所有包含全部words里面String连在一起的substring。(只能是words里面的词连在一起,不能出现其他的词。而且,words中的词,但如果出现的次数比words中的次数还多,也不允许。 比如,"goodgoodword", ["good", "word"], 那么"goodgoodword"就不行, 但是"goodword"就可以)。

  2. 假设 words 数组中有n个单词,每个单词的长度均为 len,那么就是找出所有长度为 n*len 的子串,使得其刚好是由 words 数组中的所有单词组成。

    • 每次都需要判断s串中长度为 len 的子串是否是 words 中的单词,
    • 用一个baseTrack的HashMap来记录words中词及其频次。
    • 用HashMap,用一个baseMap记录words中所有词和频次。用另一个map每一次判断时,用来判断当前词是否在baseMap中,同时出现的次数不会比words中的次数还多。
  3. 遍历s中所有长度为 nlen 的子串,当剩余子串的长度小于 nlen 时,就不用再判断了。所以从0开始,到 (int)s.size() - n*len 结束。

  4. 对于每个遍历到的长度为 n*len 的子串,需要验证其是否刚好由 words 中所有的单词构成. 检查方法:

    • 就是每次取长度为 len 的子串,看其是否是 words 中的单词, 不要直接从array中检查是否包含,如果是很大的array时,会超时。直接检查在baseMap中是否包含这个词即可。
    • 一旦取出的词不在 words 中,直接 break ;否则在new HashMap 中的映射值加1。
    • 同时检测若其映射值超过原 HashMap 中的映射值,也 break ,因为就算当前单词在 words 中,但若其出现的次数超过 words 中的次数,还是不合题意的。
    • 在 for 循环外面,若count正好等于n,说明我们检测的n个长度为 len 的子串都是 words 中的单词,并且刚好构成了 words,则将当前位置startIndex加入结果即可。
class Solution {
    public List<Integer> findSubstring(String s, String[] words) {
        List<Integer> result = new ArrayList<> ();
        
        if ((s == null || s.length () == 0) || (words == null || words.length == 0))
            return result;
        
        if (words != null && words.length != 0 && s.length () < words[0].length () * words.length) {
            return result;
        }
        
        //1. base hashmap
        Map<String, Integer> baseTracker = new HashMap<> ();
        for (int i = 0; i < words.length; i++) {
            int frequency = baseTracker.getOrDefault (words[i], 0) + 1;
            baseTracker.put (words[i], frequency);
        }
        
        //2. try to find all matched substring, increase the start index one by one 
        int wordNumber = words.length;
        int wordLen = words[0].length ();
        Map<String, Integer> tracker = new HashMap<> ();
        
        for (int start = 0; start <= s.length () - wordNumber * wordLen; start ++) {
            // whenever start to find all matches, need to clear or new a hashmap
            tracker = new HashMap<> ();
            
            // how much words matches
            int count = 0;
            for (count = 0; count < wordNumber; count ++) {
                int newStartIndex = start + count * wordLen;
                String substr = s.substring (newStartIndex, newStartIndex + wordLen);
                
                if (!baseTracker.containsKey (substr)) {
                    break;
                }
                
                int frequency = tracker.getOrDefault (substr, 0) + 1;
                tracker.put (substr, frequency);
                
                if (frequency > baseTracker.getOrDefault (substr, 0)) {
                    break;
                }  
            }
            
            // find one all matches words, and push the index
            if (count == wordNumber) {
                result.add (start);
            }
        }
        
        return result;
    }
}
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,036评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,046评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,411评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,622评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,661评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,521评论 1 304
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,288评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,200评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,644评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,837评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,953评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,673评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,281评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,889评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,011评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,119评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,901评论 2 355

推荐阅读更多精彩内容

  • 书上的第四章题目叫做:如何培养一个好习惯。 第一个内容讲的是3分钟热度是怎么回事!作者用4个阶段解释了这个问题。下...
    小女子威武阅读 355评论 1 7
  • 今天是2019年3月16日,星期六 天气晴 搬家好几天了,每天上下班路上需要5.5小时,所以能够陪宝贝的时间真的是...
    翱翔天空_燕子阅读 221评论 0 2
  • SQ3R这个名称,这五个步骤分别是: 步骤一:纵览(Survey) 步骤二:问题(Question) 步骤三:阅读...
    AZ阅读 177评论 0 0