O(1)空间原地标记法：找出数组中所有消失的数字

先说个结论：这道题我刷了三遍才彻底想明白。不是因为解法多难，而是我第一次拿到题时陷入了思维定式——上来就想着开个哈希表记录出现次数，然后遍历找缺失值。等看到“要求O(1)空间”才意识到，力扣hot100这个级别的题目，每一道都在教你一件事：怎样在资源受限的情况下，把手头已有的东西用到极致。

448. 找到所有数组中消失的数字，题面简单到让人放松警惕：给你一个长度为 n 的整数数组 nums，其中 nums[i] 在区间 [1, n] 内，请你找出所有在 [1, n] 范围内但没有出现在 nums 中的数字，以数组形式返回结果。

举个例子：输入 nums = [4,3,2,7,8,2,3,1]，输出 [5,6]。就这么一道题，牵扯出数组哈希、索引映射、原地修改、值域与下标的关系，几乎把数组类题目的底层思维全串起来了。我自己在刷这题时踩过不少坑，也总结了一套能直接用的模板，下面从头到脚拆一遍。

1. 题目本质上在考什么：从暴力解到哈希表的思维跳变

1.1 题意还原与最直观的暴力方案

先把题目的约束条件摆清楚。数组长度是 n，元素值的范围被限定在 [1, n] 之间，注意这个“值域等于索引域”的设定——它是整道题的灵魂。你需要找出 [1, n] 中哪些数字没有在数组中出现过。

最没技术含量的做法是双层循环：外层枚举 1 到 n 的每个数字，内层扫描数组看它是否出现过。时间复杂度 O(n²)，在 n 达到 10⁵ 甚至 10⁶ 的规模下直接超时。这种方案唯一的优点是脑死亡式好写，适合用来确认自己对题意的理解没有偏差。

第二种是排序后比较：先对数组排序，然后从 1 到 n 依次核对。排序本身 O(n log n)，空间 O(1)（原地排序的话）。这个方案能过，但面试官问一句“能不能 O(n) 时间 O(1) 空间”就会卡住。

第三种是哈希集合：遍历数组把所有出现过的值塞进 Set，再遍历 1 到 n，不在 Set 里的就是缺失值。时间 O(n)，空间 O(n)，非常直观。但题目通常标注了进阶要求：能否在 O(n) 时间且仅使用额外 O(1) 空间的条件下解决？

1.2 哈希集合方案：牺牲空间换时间

用哈希集合是最容易想到的解法，尤其适合刚接触这类题目的人。具体步骤很简单：

• 初始化一个空 Set。
• 遍历数组，把所有值 add 进 Set。
• 从 1 循环到 n，逐个检查 Set.has(i)，没有就 push 到结果数组。

这样写没有任何难度，而且边界情况也好处理。但它违背了题目的进阶意图。LeetCode 上这道题明确写了“你能在不使用额外空间且时间复杂度为 O(n) 的情况下解决这个问题吗？”，这句话不是摆设，它希望你把数组本身当成哈希表。

我在实际刷题时会先想清楚一个问题：哈希表在这里到底做了什么？答案是提供了“某个值是否存在”的 O(1) 查询。如果我们能把“查询存在性”这件事转移到输入数组本身上，那就不需要额外空间了。这个转移的核心依据是什么？值域 [1, n] 与索引域 [0, n-1] 恰好是一一对应的偏移关系。

1.3 关键约束：为什么 O(1) 空间成了必选项

很多人不理解为什么要纠结那 O(n) 的空间。如果是在力扣上刷题，哈希集合解法已经能通过，平台不会因为空间多用了 O(n) 就不给你过。但真实场景下，海量数据场景内存是稀缺资源；面试考察的是你能否在极端约束下设计算法。更重要的是，O(1) 空间解法所要求的思维模式——利用数据本身的特征进行原地标记——是一种可迁移的高频技巧，后续你会反复遇到。

我自己的经验是：遇到“值域与数组长度一致”这个特征，就要敏锐起来。这不是巧合，而是出题人故意设置的条件。如果你只是无脑用哈希表，等于放弃了理解出题意图的机会。

2. 原地标记法的核心原理：把数组本身变成一张哈希表

2.1 值域与索引的映射关系拆解

原地标记法的核心是看穿一层映射：数字 v 应当对应索引 v-1。

为什么是 v-1 而不是 v？因为数组索引从 0 开始。如果数组里有数字 1，它对应的索引就是 0；有数字 5，对应索引就是 4。换句话说，题目给的数值范围 [1, n] 刚好偏移一位就能映射到 [0, n-1] 的索引范围。这个偏移看似简单，但实际编码时非常容易出错——我见过不少人取模、减一、加一之间把自己绕晕。

标记法的具体思路