LeetCode第三题(Longest Substring Without Repeating Characters)三部曲之三：两次优化

欢迎访问我的GitHub

这里分类和汇总了欣宸的全部原创(含配套源码)：

https://github.com/zq2599/blog_demos

• 本文是《LeetCode第三题(Longest Substring Without Repeating Characters)三部曲》的第三篇，之前的两篇文章列出了思路并写出了Java代码，虽然在LeetCode网站提交通过，但是成绩并不理想，40多毫秒的速度，与诸多优秀的方案有不小差距，今天就来一起优化代码，提升速度；

三部曲完整链接

• 《LeetCode第三题(Longest Substring Without Repeating Characters)三部曲之一：解题思路》
  ;

• 《LeetCode第三题(Longest Substring Without Repeating Characters)三部曲之二：编码实现》
  ;

• 《LeetCode第三题(Longest Substring Without Repeating Characters)三部曲之三：两次优化》
  ;

原有代码

• 这里再回顾一下原有代码：

public int lengthOfLongestSubstring(String s) {
 //窗口的起始位置,窗口的结束为止,最长记录
 int left = 0, right = 0, max = 0;

 //表示窗口内有哪些值
 Set<Character> set = new HashSet<>();

 while (right < s.length()) {
 //例如&quot;abcdc&quot;，窗口内是&quot;abcd&quot;，此时right等于[4],
 //发现窗口内有array[right]的值，就缩减窗口左边，
 //缩到窗内没有array[right]的值为止，
 //当left一路变大，直到left=3的时候，窗口内已经没有array[right]的值了
 if (set.contains(s.charAt(right))) {
 //假如窗口内是&quot;abc&quot;，当前是&quot;c&quot;，那么下面的代码只会将&quot;a&quot;删除,left加一，再次循环
 //而新一次循环依旧发现&quot;c&quot;还在set中，就再把&quot;b&quot;删除，left再加一...
 set.remove(s.charAt(left++));
 } else {
 //窗口内没有array[right]的时候，就把array[right]的值放入set中，表示当前窗口内有哪些值
 set.add(s.charAt(right++));

 if ((right - left) > max) {
 max = right - left;
 }
 }
 }

 return max;
 }


第一次优化

• 这次的重点是HashSet对象，此对象保存窗口中的所有元素，每加入一个新元素之前都检查HashSet中是否存在该元素；

• 如下图所示，代码中通过
  set.add
  和
  set.remove
  方法将HashSet中的内容始终与窗口中的内容保持一致：
  

• 优化前：判断一个元素是否在窗口中，现在的做法是以HashSet中为准，当判定某个元素要从窗口中移除，就调用HashSet的remove方法从HashSet中删除；

• 上述的代码可以优化，优化后可以不用执行HashSet的remove方法，具体的逻辑是使用HashMap替代HashSet，HashMap的key是字符串的元素，value是元素在数组中的位置，举个例子，当left=1，right=3时，整体的效果是下图这样的，HashMap中已经保存了"a"、"b"、"c"三个元素作为key，而value就是它们在数组中的下标：
  

• 现在要检查数组中下标为4的元素"b"：以"b"为key查找HashMap，如果不存在就表示不在窗口中，如果存在，就用对应的value=1去和left比较，如果小于left就表示不在窗口中，如果大于或者等于left就表示在窗口中，如下图所示：

• 这里要注意的是：hashmap中任意一个value，表示的是某个元素在
  整个数组
  中的位置，而不是在窗口中的位置，因为程序中不会对hashmap做remove操作；

• 接着上面的图分析，"b"元素被发现在窗口中存在后，除了将left调整为2，right调整为4，还要调用HashMap的put方法，将"b"元素的位置从原来的1更新为4；

• 另外还有个优化点：假设当前窗口中是"abc"，而检查的元素是"b"，之前的代码中，要执行两次循环：先删除"a"，left加一，再删除"b"，left再加一，现在用了HashMap就能得到"b"的位置，直接将left改为"b"的下一个位置即可，不需要执行两次循环了；

• 以上就是优化思路了，用HashMap取代HashSet，不再执行remove方法，对代码的调整并不大，调整后的完整代码如下：

public int lengthOfLongestSubstring(String s) {
 int left =0, right =0, max = 0;
 Map<Character,Integer> map = new HashMap<>();
 while (right<s.length()){
 //map中如果不存在就表示不在窗口中
 if(map.containsKey(s.charAt(right))){
 int pos = map.get(s.charAt(right));
 //map中如果存在，再检查value和left，来判断是否在窗口中
 if(pos>=left){
 //注意这又是个优化点，假设当前窗口中是&quot;abc&quot;，而检查的元素是&quot;b&quot;，
 //之前的代码中，要执行两次循环：先删除&quot;a&quot;再删除&quot;b&quot;，
 //现在用了HashMap就能得到&quot;b&quot;的位置，直接将left改为&quot;b&quot;的下一个位置即可，不需要执行两次循环了
 left = pos + 1;
 }
 }
 map.put(s.charAt(right), right++);
 if((right-left)>max){
 max = right-left;
 }
 }

 return max;
 }


• 提交上述代码到LeetCode，这次的成绩是27毫秒，比之前好了不少，如下图：
  

• 然而，这个成绩依然很平庸，因为它还有可优化之处，接下来再次优化；

第二次优化

• 第一次的优化点是消除remove方法和while循环次数，第二次优化则是针对HashMap，每次处理新的元素都涉及到HashMap的操作，如果您对HashMap的内容有所了解，就知道计算hashcode、创建EntrySet，调用equals方法这些操作会被频繁执行，如果能省去这些操作，那么性能应该会有明显提升，问题是：如何才能去掉HashMap而不影响功能呢？

• 我们先明确HashMap在程序中的作用：
  保存一个元素在数组中的位置
  ，所以优化的方向就是寻找HashMap的替代品；

• 假设一共可能出现二十六种字符：从"a"到"z"，那就简单了，用一个长度为26的int数组来记录每个字符的位置，array[0]的值就是元素"a"的位置，array[1]的值就是元素"b"的位置，array[2]的值就是元素"c"的位置，如下图所示，图中的数字97是"a"的ASCII码：
  

• 按照上面的设计，array[0]=3就表示"a"元素在整个数组中最后一次出现的位置是3，array[1]=1表示"b"元素在整个数组中最后一次出现的位置是1，array[2]=2就表示"c"元素在整个数组中最后一次出现的位置是2，如下图：
  

• 按照以上设计是不是就可以立即编码并提交到LeetCode了呢？我当时就是这么做的，很不幸因为测试没有通过而提交失败了，没通过的原因是：字符串中不仅会有"a"到"z"的小写，还有大写字母、空格字符、加减乘除等字符，遇到这些字符时，我们之前设计的长度26的数组就不够用了，看来要重新设计数组；

• 新的数组总长度是95，这是因为所有英文可见字符一共是95个，从空格开始，到"`"结束，如下图的三个红框所示：

• 如上所示，长度为95的数组，可以将所有可见字符都纳入进来，array[0]保存的是空格字符的位置，因此计算字符"a"在array数组中的下标就从之前的**'a'-97=0
  变成了
  'a'-32=65**；

• 另外要注意的是，这个数组中每个元素初始值都是**-1**，表示字符串中没有这个元素(或者说还没有处理到)；

• 按照上述思路优化后的代码如下所示，可见改动并不大，只是把HashMap相关的地方全部改成了上述的数组逻辑：

public int lengthOfLongestSubstring(String s) {
 int left =0, right =0, max = 0;

 int[] array = {-1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
 -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
 -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
 -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
 -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
 -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
 -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
 -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
 -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
 -1, -1, -1, -1, -1};

 int offset;
 while (right<s.length()){
 //offset表示当前处理的元素在array数组中的下标，
 //如果当前元素是空格，那么减去32后等于0，array[offset]即array[0],
 //这个array[0]的值就是空格字符在字符串中的位置
 offset = s.charAt(right) - 32;

 if(array[offset]>-1){
 int pos = array[offset];

 if(pos>=left){
 left = pos + 1;
 }
 }

 array[offset] = right++;

 if((right-left)>max){
 max = right-left;
 }
 }

 return max;
 }


• 将以上代码提交到LeetCode，顺利通过，成绩提升到17ms，超过了99.94%的java方案，如下图：
  

• 最终效果证明这次优化的方向和结果都是正确的，之前已经有朋友问过优化思路从何而来，其实灵感来自
  桶排序
  ，思想是类似的；

• 至此，LeetCode第三题的解题思路、编码实现、优化实战就全部完成了，希望能给读者您在解题过程中带来一些参考，刷题之路，大家一起努力！

欢迎关注InfoQ：程序员欣宸

学习路上，你不孤单，欣宸原创一路相伴...