送给大家一句话：
充满着欢乐与斗争精神的人们，永远带着欢乐，欢迎雷霆与阳光。 —— 赫胥黎
滑动窗口精通
前言
相信通过前两篇的文章的讲解，大家已经对滑动窗口有了较深的认识，今天我们来挑战一下！！！
来做两道困难级的题目。
Leetcode 30. 串联所有单词的子串
家人们！！！上链接！！！30. 串联所有单词的子串
题目描述
根据题目描述，这道题看起来很是复杂呢！？！？
我们要在一个字符串中寻找包含words的所有单词的子串，并会返回对应的开始位置（开始索引）。看这描述十分类似这道题目 438. 找到字符串中所有字母异位词 ，一个是寻找异位词，一个是寻找"异位单词串"。本质是十分相似的。
来看一个样例：
- 输入：s = “barfoothefoobarman”, words = [“foo”,“bar”]
- 输出：[0,9]
- 解释：因为 words.length == 2 同时 words[i].length == 3，连接的子字符串的长度必须为 6。
子串 “barfoo” 开始位置是 0。它是 words 中以 [“bar”,“foo”] 顺序排列的连接。
子串 “foobar” 开始位置是 9。它是 words 中以 [“foo”,“bar”] 顺序排列的连接。
- 输出顺序无关紧要。返回 [9,0] 也是可以的。
根据这样例，更容易想象为是如同字母一样。
算法思路
我们先把每个单词抽象为一个字母（方便我们梳理思路），我们只需要找到一个子串中有所有的“字母”即可。
那么，我们来看最简单的算法：暴力枚举。就是遍历所有的子串，以样例来说：
- bar foo the foo bar man （注意步长是单词的长度），从左到右依次遍历，寻找满足条件的子串。
- 我们来思考一下，当该躺不满足条件时：
很明显，无需把right重新移动的到left的位置重新开始，直接继续进行移动就可以。
3.所以此时构成滑动窗口的条件两个指针移动方向一致
那么我们就按照滑动窗口的解题模版来思考细节：
- 进窗口
- 判断
- 出窗口
- 更新结果（位置待定）
首先我们要解决的是个一般性问题：s 字符串的长度一定是单词的整数倍吗？？？
显然不是！
那么就要进行多次滑动窗口！保证可以遍历到所有可能的子串。那进行几次呢？？？
可以看出来只需要进行单词个数次的循环即可！！！再多就发生重复了！
这样大致的框架就有了，剩下的就是然后判断单词是否满足条件。
依旧时候使用哈希算法，利用无向图来模拟哈希表（string 映射 int）。'
class Solution { public: vector<int> findSubstring(string s, vector<string>& words) { //预备工作 //哈希表1 unordered_map<string,int> hash1; for(auto ch : words) hash1[ch] ++; //对words进行处理 // 基本变量 int len = words[0].size(); //单词长度（步长） int m = words.size();//单词个数 int n = s.size();//字符串长度 //答案 vector<int> ans; //多次进行滑动窗口 for(int i = 0;i < len;i++) { //哈希表2 用来进行比较 unordered_map<string,int> hash2; //进窗口 注意一次移动的步长 注意结束条件（保证最后一个是完整单词，不然会发生越界） for(int left = i ,right = i ,count = 0; right + len <= n ; right += len ) { string in = s.substr(right,len); //进窗口 维护count++ （有效单词数加一） if(++hash2[in] <= hash1[in]) { count++; } //判断是否超出长度 if(right - left + 1 > m * len) { string out = s.substr(left,len); //出窗口 维护count if(hash2[out]-- <= hash1[out]) count--; left += len; } //满足条件 更新结果 if(count == m) { ans.push_back(left); } } } return ans; } };
我们提交：过啦！！！！
Leetcode 76. 最小覆盖子串
家人们！！！ 上链接！！！76. 最小覆盖子串
题目描述
根据题目描述，我们需要再字符串中寻找能够覆盖 t 中所有字符的 最短子串，这个“覆盖”是包含 t 中的每个字母，不用管顺序。来看样例：
- 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’。
看了样例，应该就理解了这个“覆盖”：
- 对应字母个数必须大于等于 t 中字母个数
- 可以包含其它字母
算法思路
先来最直接的办法 — 暴力枚举，我们来看暴力算法是如何进行的：
- 首先找到一个包含于 t 的字母
- 然后从这个位置开始遍历
- 直到满足 t 中的每个字母都能在该子串中找到
- 然后再找到下一个包含于 t 的字母 重复 1 - 3
这样就完成了任务，那么如何进行优化呢？？？
根据暴力的步骤，我们可以看出来两个指针的移动方向是一致的，所以就可以进行滑动窗口算法了。
那么我们就按照滑动窗口的解题模版来思考细节：
- 进窗口
- 判断
- 出窗口
- 更新结果（位置待定）
这个判断要怎样进行判断？？？
肯定是使用哈希算法，但是如何保证对应字母个数必须大于等于 t 中字母个数呢？？？
这一步与之前的判断略有不同，因为我们可以多字母,来看代码：
class Solution { public: string minWindow(string s, string t) { //滑动窗口 + 哈希算法 //准备工作 int kinds = 0; //字母种类 方便判断 int hash1[128] = {0}; //哈希表1 因为只有使用数组比较方便 //遍历所有字母 确定个数 for (auto ch : t) if (hash1[ch]++ == 0) kinds++; // 长度 int n = s.size(); //哈希表2 用来比较 int hash2[128] = { 0 }; int begin = -1 ,minlen = INT_MAX; for(int left = 0,right = 0 ,count = 0;right < n;right++) { char in = s[right]; //进窗口 维护count (对应字母相等时更新 保证满足条件 有效字母加一) if(++hash2[in] == hash1[in]) count++; //判断 while(count == kinds) { //更新结果 if(right - left + 1 < minlen) { minlen = right - left + 1; begin = left; } char out = s[left]; //出窗口 维护count (相等时出窗口 有效字母减少) if(hash2[out]-- == hash1[out]) count--; left++; } } return begin == -1 ? "" : s.substr(begin,minlen); } };
提交：过啦！！！！！！
经过这两道题目的书写，相信大家一定深刻认识到了滑动窗口的使用方法！！！
下面请大家继续刷题吧！！！
