菩提流支1. 为什么需要专门研究力扣hot100的技巧题？
作为程序员面试准备的重要环节，力扣hot100题目集合了各大科技公司最常考察的算法问题。这套题目之所以被称为"hot"，是因为它们在过去6-12个月内被高频考察，掌握这些题目能显著提升面试通过率。但很多人在刷题时容易陷入一个误区——只追求AC（Accepted）而不深究解题技巧。
我在准备谷歌面试时，最初就是机械性地刷完了hot100，结果在模拟面试中遇到变种题时仍然束手无策。后来发现，hot100的价值不在于记住答案，而在于掌握其中的解题范式（Pattern）。比如两数之和（#1）和字母异位词分组（#49）虽然题目不同，但都使用了哈希表这个核心数据结构，只是应用场景不同。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 高频技巧题的核心解题范式
2.1 哈希表的三种经典用法
哈希表是hot100中出现频率最高的数据结构，在统计的100题中出现了63次。其核心用法可分为三类：
- 快速查找：如两数之和（#1）利用O(1)查找特性，将暴力解法从O(n²)降到O(n)
python复制def twoSum(nums, target):
hashmap = {}
for i, num in enumerate(nums):
complement = target - num
if complement in hashmap:
return [hashmap[complement], i]
hashmap[num] = i
- 频次统计：如字母异位词分组（#49）通过统计字符出现次数作为哈希键
python复制def groupAnagrams(strs):
from collections import defaultdict
ans = defaultdict(list)
for s in strs:
count = [0] * 26
for c in s:
count[ord(c) - ord('a')] += 1
ans[tuple(count)].append(s)
return list(ans.values())
- 去重缓存：如环形链表（#141）用哈希表存储已访问节点
2.2 双指针的四种变体
双指针技巧在hot100中出现47次，主要变体包括：
- 左右指针：用于有序数组，如盛最多水的容器（#11）
- 快慢指针：检测循环，如环形链表II（#142）
- 滑动窗口：子串问题，如最小覆盖子串（#76）
- 前后指针：如三数之和（#15）中的去重处理
以三数之和为例，其核心在于排序后固定一个数，转化为两数之和问题：
python复制def threeSum(nums):
nums.sort()
res = []
for i in range(len(nums)-2):
if i > 0 and nums[i] == nums[i-1]:
continue # 去重关键
left, right = i+1, len(nums)-1
while left < right:
s = nums[i] + nums[left] + nums[right]
if s < 0:
left += 1
elif s > 0:
right -= 1
else:
res.append([nums[i], nums[left], nums[right]])
while left < right and nums[left] == nums[left+1]:
left += 1 # 二次去重
while left < right and nums[right] == nums[right-1]:
right -= 1
left += 1
right -= 1
return res
2.3 动态规划的三大特征
动态规划在hot100中占38题，识别DP问题的三个特征：
- 重叠子问题：如斐波那契数列（#509）
- 最优子结构：如买卖股票最佳时机（#121）
- 状态转移方程：如爬楼梯（#70）
以最长递增子序列（#300）为例，其O(n²)解法体现了典型DP思路：
python复制def lengthOfLIS(nums):
dp = [1] * len(nums)
for i in range(1, len(nums)):
for j in range(i):
if nums[i] > nums[j]:
dp[i] = max(dp[i], dp[j]+1)
return max(dp) if dp else 0
3. 面试中最易出错的五个细节
3.1 边界条件处理
在实现二分查找时，我曾在面试中因边界条件处理不当导致无限循环。正确的处理方式需要统一使用左闭右开或左闭右闭区间：
python复制# 左闭右开写法
def binary_search(nums, target):
left, right = 0, len(nums)
while left < right:
mid = left + (right - left) // 2
if nums[mid] == target:
return mid
elif nums[mid] < target:
left = mid + 1
else:
right = mid
return -1
3.2 递归终止条件
在二叉树问题中，递归终止条件错误是常见错误。以二叉树的最大深度（#104）为例：
python复制def maxDepth(root):
if not root: # 必须明确判空
return 0
return 1 + max(maxDepth(root.left), maxDepth(root.right))
3.3 特殊输入处理
当输入为空数组、单个元素等情况时，很多解法会失效。比如旋转数组（#33）需要处理长度为1的情况：
python复制def search(nums, target):
if not nums:
return -1
if len(nums) == 1:
return 0 if nums[0] == target else -1
# 正常处理逻辑...
3.4 空间复杂度优化
很多问题可以通过复用输入空间来优化。如旋转图像（#48）的原地旋转：
python复制def rotate(matrix):
n = len(matrix)
for i in range(n//2):
for j in range(i, n-1-i):
temp = matrix[i][j]
matrix[i][j] = matrix[n-1-j][i]
matrix[n-1-j][i] = matrix[n-1-i][n-1-j]
matrix[n-1-i][n-1-j] = matrix[j][n-1-i]
matrix[j][n-1-i] = temp
3.5 测试用例设计
面试时需要主动提出测试用例，覆盖：
- 常规情况
- 边界情况（空输入、极值）
- 特殊结构（完全二叉树、链表环）
- 性能边界（大数据量）
4. 从AC到最优解的进阶路径
4.1 时间复杂度优化路线
以乘积最大子数组（#152）为例：
- 暴力解法：O(n³) → 枚举所有子数组
- 初步优化：O(n²) → 前缀积
- 动态规划：O(n) → 维护max和min
python复制def maxProduct(nums):
res = max_prod = min_prod = nums[0]
for num in nums[1:]:
candidates = (num, max_prod*num, min_prod*num)
max_prod, min_prod = max(candidates), min(candidates)
res = max(res, max_prod)
return res
4.2 空间复杂度优化路线
以打家劫舍（#198）为例：
- 初始DP：O(n)空间
- 状态压缩：O(1)空间
python复制def rob(nums):
prev_max = curr_max = 0
for num in nums:
temp = curr_max
curr_max = max(prev_max + num, curr_max)
prev_max = temp
return curr_max
4.3 代码简洁性优化
合并条件判断、使用Python内置函数等技巧。如合并区间（#56）：
python复制def merge(intervals):
intervals.sort(key=lambda x: x[0])
merged = []
for interval in intervals:
if not merged or merged[-1][1] < interval[0]:
merged.append(interval)
else:
merged[-1][1] = max(merged[-1][1], interval[1])
return merged
5. 高频题目变种与应对策略
5.1 两数之和变种
原题：给定一个数组和一个目标值，找出和为目标值的两个数
变种1：找出所有可能的组合（允许重复）
变种2：三个数/四个数之和
变种3：输入是BST而非数组
应对策略：掌握核心哈希表解法后，针对不同变种调整去重逻辑或数据结构
5.2 链表环检测变种
原题：判断链表是否有环
变种1：找出环的入口节点
变种2：计算环的长度
变种3：多个链表求交点
应对策略：深入理解快慢指针的数学原理，推导相遇点到环入口的距离关系
5.3 二叉树遍历变种
原题：前序/中序/后序遍历
变种1：锯齿形层次遍历
变种2：垂直遍历
变种3：边界遍历
应对策略：在掌握递归和迭代写法基础上，灵活运用双端队列、哈希表等辅助数据结构
6. 我的刷题时间规划建议
根据三个月面试准备周期，建议如下分配hot100的刷题时间：
第一周：哈希表相关（15题）
- 重点：两数之和、字母异位词分组、最长连续序列
- 目标：掌握哈希表构建和查找的O(1)特性
第二周：双指针相关（12题）
- 重点：三数之和、盛最多水的容器、最小覆盖子串
- 目标：区分不同双指针场景的应用条件
第三周：动态规划（10题）
- 重点：爬楼梯、打家劫舍、最长递增子序列
- 目标：能独立写出状态转移方程
第四周：二叉树与回溯（15题）
- 重点：二叉树的遍历、路径总和、组合总和
- 目标：熟练递归和迭代写法
第五周：图论与高级数据结构（10题）
- 重点：课程表、岛屿数量、LRU缓存
- 目标：理解邻接表和邻接矩阵的应用
第六周：剩余题目+模拟面试
- 方法：使用力扣模拟面试功能，限时完成随机hot100题目
在刷题过程中，我坚持每个题目做到：
- 第一遍：独立思考，写出初始解法
- 第二遍：查看最优解，比较差异
- 第三遍：24小时后重新实现
- 第四遍：一周后检查是否仍能快速写出
这种刻意练习的方法让我在真实的谷歌面试中，面对变种题也能快速识别出核心解题模式。记住，hot100的价值不在于刷过多少遍，而在于是否真正内化了其中的算法思想。