今天复习了“长度最小的子数组”这道题，突然对滑动窗口这个技巧有了更深的理解。滑动窗口其实是双指针的一种变体，它用两个指针（一般叫 left 和 right）维护一个区间（也可以理解为一个“窗口”），根据题目的不同需求，动态地调整窗口的左右边界。
有趣的是，虽然代码里可能用了两个循环，但滑动窗口的时间复杂度依然是 O(n)。这是因为每个元素最多被“看”两次：一次被 right 扫进去窗口，一次被 left 从窗口移出去。因此整体上仍然是线性时间。
什么时候使用滑动窗口？
滑动窗口特别适合在一个连续区间内寻找某种性质的问题，比如：
连续子数组的最大/最小长度
连续子串是否包含某些字符
一段区间内最多/最少包含多少种元素
你可以把它想象成一扇在数组上移动的窗户，这扇窗户只关心“窗户里的内容”是否满足某种条件。一旦满足，就尝试收缩窗户（优化结果）；不满足，就扩展窗户（继续寻找）。
滑动窗口的基本用法
滑动窗口的核心步骤其实很固定，基本可以套模板：
初始化窗口的两个边界：left 和 right
不断移动右边界 right，扩大窗口，直到满足条件
当条件满足后，尝试移动左边界 left，缩小窗口，同时记录最优结果
重复上述过程，直到右边界走到尽头
例题分析一：长度最小的子数组
这道题是滑动窗口的经典题型：
给你一个整数数组 nums 和一个整数目标值 target，请你找出数组中 总和 大于等于 target 的 最短子数组 的长度，并返回该长度。如果不存在符合条件的子数组，返回 0。
这个题目的关键点是：子数组必须是连续的，并且我们要在所有满足条件的子数组中找到最短的一个。
所以思路就是：
移动右指针，不断累加窗口内的和
一旦窗口内的和 ≥ target，就尝试移动左指针缩小窗口
每次满足条件时，更新最小长度
虽然是两个指针嵌套循环，但每个指针只会走一遍数组，所以时间复杂度仍是 O(n)。
例题分析二：Total Fruit（最多采几棵树的水果）
这题和长度最小子数组很像，也是滑动窗口。不同的是这题需要统计种类数量，而不是数值总和。
在 Python 中可以用 Counter() 或字典来维护窗口内每种水果的数量。
每次移动右指针采一棵水果，同时把它记录进字典。如果种类超过两种，就移动左指针，并更新字典（数量减1，为0就 pop 掉）。最终记录窗口的最大长度就是答案。
例题分析三：最小覆盖子串（minWindow）
这道题是滑动窗口中难度稍高的一道，很多人（包括我）第一次做都卡在了字典的使用上。
题目要求：
给两个字符串 s 和 t，返回 s 中最短的包含所有 t 中字符的子串（包括重复的字符）。
关键点是：我们不仅要知道有没有这个字符，还要知道每个字符的数量是否足够，因此用了两个 Counter() —— 一个记录 t 中每个字符需要的数量，一个实时记录窗口中字符的数量。
在滑动窗口的过程中，我们还需要一个额外的变量 start 来记录当前“最短窗口”的起始位置。如果找到更短的覆盖，就更新 start 和 min_len。
这也是我第一次意识到，滑动窗口虽然是模板化的写法，但遇到不同的题，窗口里需要维护的状态可能完全不同（和哈希表配合使用是很常见的变体）。
做题久了我还意识到，如果你对 dict、Counter 这些基本结构不熟，就会很难写出滑动窗口的变种。比如我之前卡在 totalFruit 和 minWindow，就是因为不知道怎么去维护窗口里的状态。
