1 中文题目
给定一个字符串 s s s，请找出其中不含有重复字符的 最长 子串的长度。
示例 1：
- 输入: s = " a b c a b c b b " s = "abcabcbb" s="abcabcbb"
- 输出: 3 3 3
- 解释: 因为无重复字符的最长子串是 " a b c " "abc" "abc"，所以其长度为 3 3 3。
示例 2：
- 输入: s = " b b b b b " s = "bbbbb" s="bbbbb"
- 输出: 1 1 1
- 解释: 因为无重复字符的最长子串是 " b " "b" "b"，所以其长度为 1 1 1。
示例 3：
- 输入: s = " p w w k e w " s = "pwwkew" s="pwwkew"
- 输出: 3 3 3
- 解释: 因为无重复字符的最长子串是 " w k e " "wke" "wke"，所以其长度为 3 3 3。必须是子串 的长度， " p w k e " "pwke" "pwke" 是一个子序列，不是子串。
提示：
- 0 ≤ s . l e n g t h ≤ 5 ∗ 1 0 4 0 \leq s.length \leq 5 * 10^4 0≤s.length≤5∗104
- s s s 由英文字母、数字、符号和空格组成
2 求解思路
2.1 基础解法： 暴力解法
思路
详细求解思路：
- 外层循环
- 遍历字符串的每个位置作为子串的起始位置
- 确保考虑了所有可能的子串起点
- 内层循环
- 从起始位置向后扩展，寻找最长的无重复子串
- 使用集合检测字符是否重复
- 遇到重复字符就停止当前子串的扩展
求解示例
输入: "abcabcbb"
第1轮(i=0): # 外循环
# 内循环
- j=0: seen={'a'}, curr_len=1
- j=1: seen={'a','b'}, curr_len=2
- j=2: seen={'a','b','c'}, curr_len=3
- j=3: 遇到'a'重复，break, max_len=3
第2轮(i=1):
- j=1: seen={'b'}, curr_len=1
- j=2: seen={'b','c'}, curr_len=2
- j=3: seen={'b','c','a'}, curr_len=3
- j=4: 遇到'b'重复，break, max_len=3
... 依此类推
Python代码
class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
# 记录最长无重复子串的长度
max_len = 0
# 遍历字符串的每个字符作为起始位置
for i in range(len(s)):
# 用集合记录当前子串中出现过的字符
seen = set()
# 记录当前子串的长度
curr_len = 0
# 从起始位置向后遍历，直到找到重复字符或到达字符串末尾
for j in range(i, len(s)):
# 如果当前字符已经在集合中，说明出现重复
if s[j] in seen:
break
# 将当前字符添加到集合中
seen.add(s[j])
# 当前子串长度加1
curr_len += 1
# 更新最长无重复子串的长度
max_len = max(max_len, curr_len)
return max_len
时空复杂度分析
- 时间复杂度分析：
O
(
n
2
)
O(n²)
O(n2)
- 外层循环： O ( n ) O(n) O(n)，遍历每个可能的起始位置
- 内层循环：
O
(
n
)
O(n)
O(n)，最差情况下需要遍历到字符串末尾
总复杂度： O ( n ) ∗ O ( n ) = O ( n 2 ) O(n) * O(n) = O(n²) O(n)∗O(n)=O(n2)
- 空间复杂度分析：
O
(
m
i
n
(
m
,
n
)
)
O(min(m,n))
O(min(m,n))
- m m m是字符集大小（如 A S C I I ASCII ASCII字符集为 128 128 128）
- n n n是字符串长度
- 集合大小不会超过 m i n ( m , n ) min(m,n) min(m,n)
- 其他变量（max_len, curr_len等）： O ( 1 ) O(1) O(1)
2.2 优化解法： 动态规划解法
思路
（1）动态规划状态
- d p [ i ] dp[i] dp[i]: 以第 i i i个字符结尾的最长无重复子串的长度
- l a s t _ p o s [ c h a r ] last\_pos[char] last_pos[char]: 字符 c h a r char char最后一次出现的位置
（2）状态转移方程
if s[i] 未出现过:
dp[i] = dp[i-1] + 1
else:
dp[i] = min(dp[i-1] + 1, i - last_pos[s[i]])
示例
输入: "abcabcbb"
初始化：dp[0] = 1, last_pos['a'] = 0
i=1: 'b'
- 未出现过
- dp[1] = dp[0] + 1 = 2
- last_pos['b'] = 1
i=2: 'c'
- 未出现过
- dp[2] = dp[1] + 1 = 3
- last_pos['c'] = 2
i=3: 'a'
- 出现过，上次在位置0
- dp[3] = min(dp[2] + 1, 3 - 0) = min(4, 3) = 3
- last_pos['a'] = 3
... 依此类推
python代码
class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
# 处理空字符串情况
if not s:
return 0
# dp[i]表示以s[i]结尾的最长无重复子串的长度
dp = [0] * len(s)
# 记录每个字符最后一次出现的位置
last_pos = {}
# 初始化第一个字符
dp[0] = 1
last_pos[s[0]] = 0
max_len = 1
# 从第二个字符开始遍历
for i in range(1, len(s)):
# 当前字符之前没有出现过
if s[i] not in last_pos:
# 直接在前一个状态的基础上加1
dp[i] = dp[i-1] + 1
else:
# 当前字符之前出现过，需要比较两个长度：
# 1. 前一个状态的长度加1
# 2. 当前位置与该字符上次出现位置的距离
dp[i] = min(dp[i-1] + 1, i - last_pos[s[i]])
# 更新字符最后出现的位置
last_pos[s[i]] = i
# 更新最大长度
max_len = max(max_len, dp[i])
return max_len
时空复杂度分析
- 时间复杂度分析：
O
(
n
)
O(n)
O(n)
- 只需要遍历字符串一次
- 每个位置的状态转移是 O ( 1 ) O(1) O(1)操作
- 哈希表的查询和更新也是 O ( 1 ) O(1) O(1)
- 空间复杂度分析：
- dp数组： O ( n ) O(n) O(n)， n n n是字符串长度
- last_pos哈希表： O ( m i n ( m , n ) ) O(min(m,n)) O(min(m,n))， m m m是字符集大小， n n n是字符串长度
- 最多存储 m i n ( m , n ) min(m,n) min(m,n)个字符
总空间复杂度： O ( n + m i n ( m , n ) ) = O ( n ) O(n + min(m,n)) = O(n) O(n+min(m,n))=O(n)
算法优化
- 可以只保存前一个状态，将空间优化到O(1)
- 可以使用数组代替哈希表（如果字符集较小）
- 可以提前终止
class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
# 获取字符串长度
n = len(s)
# 特殊情况处理
# 1. 空字符串或单个字符，直接返回长度
if n <= 1:
return n
# 2. 如果所有字符都不相同，直接返回字符串长度
if len(set(s)) == n:
return n
# 使用数组代替哈希表记录字符最后出现的位置
# ASCII字符集大小为128，初始化为-1表示字符未出现过
last_pos = [-1] * 128
# prev_len：记录以前一个字符结尾的最长无重复子串长度
prev_len = 1
# max_len：记录全局最长无重复子串长度
max_len = 1
# 初始化第一个字符的位置
last_pos[ord(s[0])] = 0
# 从第二个字符开始遍历
for i in range(1, n):
# 提前终止优化
# 如果剩余的字符长度加上当前长度小于已找到的最大长度
# 则不可能找到更长的无重复子串，可以直接结束
if max_len >= n - i + prev_len:
break
# 获取当前字符的ASCII码
char_idx = ord(s[i])
# 计算当前以s[i]结尾的最长无重复子串长度
if last_pos[char_idx] == -1:
# 情况1：当前字符从未出现过
# 直接在前一个长度基础上加1
curr_len = prev_len + 1
else:
# 情况2：当前字符之前出现过
# 需要比较两个长度：
# a. 前一个长度加1
# b. 当前位置与该字符上次出现位置的距离
curr_len = min(prev_len + 1, i - last_pos[char_idx])
# 更新字符最后出现的位置
last_pos[char_idx] = i
# 更新全局最大长度
max_len = max(max_len, curr_len)
# 更新前一个长度，用于下一轮计算
prev_len = curr_len
return max_len
2.3 最优解法：滑动窗口
思路
（1）滑动窗口
- 窗口范围：[left, right]
- window字典：记录窗口内每个字符的最新位置
- 窗口内的子串：保证无重复字符
（2）窗口滑动机制
- 当遇到重复字符时：
- 左边界移动到重复字符上次出现位置的下一位
- 确保左边界只能向右移动（不回退）
- 当遇到新字符时：
- 直接扩展右边界
- 更新字符位置
示例
输入: "abcabcbb"
初始状态：left=0, right=0, window={}
1. 处理'a':
window={'a':0}, left=0, right=0, max_len=1
2. 处理'b':
window={'a':0, 'b':1}, left=0, right=1, max_len=2
3. 处理'c':
window={'a':0, 'b':1, 'c':2}, left=0, right=2, max_len=3
4. 处理'a':
发现重复，left更新为1
window={'a':3, 'b':1, 'c':2}, left=1, right=3, max_len=3
...依此类推
python代码
class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
# 用字典维护字符最后出现的位置
window = {}
# 记录最长无重复子串的长度
max_len = 0
# 滑动窗口的左边界
left = 0
# 遍历字符串，right为滑动窗口的右边界
for right, char in enumerate(s):
# 如果当前字符已在窗口中，需要更新左边界
# 取max是为了确保left不会回退
if char in window:
left = max(left, window[char] + 1)
# 计算当前无重复子串的长度并更新最大长度
curr_len = right - left + 1
max_len = max(max_len, curr_len)
# 更新字符最后出现的位置
window[char] = right
return max_len
时空复杂度分析
- 时间复杂度分析：
O
(
n
)
O(n)
O(n)
- 遍历字符串： O ( n ) O(n) O(n)
- 字典操作（查找/插入）： O ( 1 ) O(1) O(1)
- 更新左边界： O ( 1 ) O(1) O(1)
- 计算长度： O ( 1 ) O(1) O(1)
- 空间复杂度分析：
O
(
m
i
n
(
m
,
n
)
)
O(min(m,n))
O(min(m,n))
- window字典空间： m i n ( m , n ) min(m,n) min(m,n)空间， m m m是字符集大小（如ASCII为128）， n n n是字符串长度
- 其他变量（left, right, max_len）： O ( 1 ) O(1) O(1)
基于滑动窗口的方法实现简单，代码逻辑清晰，不像动态规划代码复杂，逻辑复杂
3 题目总结
题目难度：中等
数据结构： 哈希表、字符串
应用算法： 动态规划、滑动窗口