leetcode 187. Repeated DNA Sequences 编码计数统计重复字符串 + 移动窗口

谁借莪１个温暖的怀抱￠ 2022-06-08 08:20 92阅读 0赞

All DNA is composed of a series of nucleotides abbreviated as A, C, G, and T, for example: “ACGAATTCCG”. When studying DNA, it is sometimes useful to identify repeated sequences within the DNA.

Write a function to find all the 10-letter-long sequences (substrings) that occur more than once in a DNA molecule.

For example,

Given s = “AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT”,

Return:  
\[“AAAAACCCCC”, “CCCCCAAAAA”\].

这道题考察的就是重复出现的字符串，这道题给我的启发很强。

当然，最直接的方法就是暴力求解，但是这个会超时，其实也可以采用HashMap来做（这个方法也可以直接accept），我在网上看到了一个基于编码的做法，这个做法很棒，直接看代码吧！

**这道题十分需要注意的地方就是位运算的优先级，注意所有的位运算以后都注意要添加括号，因为加法的优先级高于位运算，所以不添加括号是错误的。**

代码如下：

import java.util.ArrayList;
    import java.util.HashMap;
    import java.util.HashSet;
    import java.util.List;
    import java.util.Map;
    import java.util.Set;
    
    /*
     * http://blog.csdn.net/xudli/article/details/43666725
     * 
     * 因为只有4个字母,所以可以创建自己的hashkey, 每两个BITS,
     * 
     * 对应一个 incoming character. 超过20bit 即10个字符时, 只保留20bits.
     * 
     * (hash<<2) + map.get(c)  符号优先级,  << 一定要括起来.
     * 
     * */
    public class Solution 
    {
        /*
         * 这个是网上编码的做法，很不错的想法，值得反思和学习
         * 不过有点麻烦
         * */
        public List<String> findRepeatedDnaSequencesByCode(String s) 
        {
            List<String> res=new ArrayList<>();
            if(s==null || s.length()<=10)
                return res;
    
            Map<Character, Integer> map=new HashMap<Character, Integer>();
            map.put('A', 0);
            map.put('C', 1);
            map.put('G', 2);
            map.put('T', 3);
    
            /*
             * set保存的是所有的可能的字符串，
             * uniqueSet保存的的是判断的重复出现的字符串
             * 使用uniqueSet是为了避免重复添加重复元素
             * */
            Set<Integer> set=new HashSet<>();
            Set<Integer> uniqueSet=new HashSet<>();
            int hash=0;
            for(int i=0;i<s.length();i++)
            {
                Character one=s.charAt(i);
                if(i<9)
                    hash = (hash<<2) + map.get(one);
                else
                {
                    hash = (hash<<2) + map.get(one);
                    hash &= (1<<20)-1;
    
                    if(set.contains(hash)==false)
                        set.add(hash);
                    else if(set.contains(hash) && !uniqueSet.contains(hash))
                    {
                        uniqueSet.add(hash);
                        res.add(s.substring(i-9,i+1));
                    }
                }
            }
            return res;
        }
    
        /*
         * 使用HashMap去做，这个也很不错，可以直接accept
         * 
         * */
        public List<String> findRepeatedDnaSequences(String s) 
        {
            List<String> res=new ArrayList<>();
            if(s==null || s.length()<=10)
                return res;
    
            Map<String, Integer> map=new HashMap<>();
            for(int i=10;i<=s.length();i++)
            {
                String key=s.substring(i-10, i);
                map.put(key, map.getOrDefault(key, 0)+1);
            }
    
            Set<String> set=map.keySet();
            for(String key : set)
            {
                if(map.get(key)>=2)
                    res.add(key);
            }
            return res;
        }
    
    
        /*
         * 暴力去做，这个肯定超时
         * */
        public List<String> findRepeatedDnaSequencesByLoop(String s) 
        {
            List<String> res=new ArrayList<>();
            if(s==null || s.length()<=10)
                return res;
    
            for(int i=0;i<s.length();i++)
            {
                if(i+10<=s.length())
                {
                    String one=s.substring(i,i+10);
                    for(int j=i+1;j<s.length();j++)
                    {
                        if(j+10<=s.length())
                        {
                            if(one.equals(s.substring(j, j+10)))
                            {
                                if(!res.contains(one))
                                    res.add(one);
                                break;
                            }
                        }else
                            break;
                    }
                }
                else
                    break;
            }
            return res;
        }
    }

下面是C++的做法，这道题最直接的方法就是使用map来做查询，但是可能超时，后来网上看到了一个使用编码的做法，很棒的做法，值得学习

代码如下：

#include <iostream>
    #include <algorithm>
    #include <climits>
    #include <vector>
    #include <stack>
    #include <queue>
    #include <map>
    #include <set>
    #include <string>
    #include <unordered_map>
    
    using namespace std;
    
    class Solution 
    {
    public:
        vector<string> findRepeatedDnaSequences(string s) 
        {
            vector<string> res;
            map<char, int> mmp;
            mmp['A'] = 0;
            mmp['C'] = 1;
            mmp['G'] = 2;
            mmp['T'] = 3;
            set<int> st;
            set<int> uniqueSt;
            int hash = 0;
            for (int i = 0; i < s.length(); i++)
            {
                if (i < 9)
                    hash = (hash << 2) + mmp[s[i]];
                else
                {
                    hash = (hash << 2) + mmp[s[i]];
                    hash = hash & ((1 << 20) - 1);
                    if (st.find(hash) == st.end())
                        st.insert(hash);
                    else if (uniqueSt.find(hash) == uniqueSt.end())
                    {
                        uniqueSt.insert(hash);
                        res.push_back(s.substr(i-9,10));
                    }
                }
            }
            return res;
        }
    };