滑动窗口算法：高效解决最长无重复字符子串问题

1. 问题背景与核心挑战

字符串处理是算法领域的经典问题之一，而寻找最长无重复字符子串则是面试和实际开发中频繁出现的场景。这个问题的核心在于如何在O(n)时间复杂度内高效地完成字符去重检测和区间长度计算。

我最初遇到这个问题是在处理用户输入校验时——需要检测连续输入的指令码是否包含重复操作符。后来发现类似场景遍布各个领域：从DNA序列分析到日志流去重，从游戏作弊检测到金融交易监控，本质上都是在寻找特定约束下的最长连续序列。

2. 算法思路解析

2.1 暴力解法及其局限

最直观的解法是双重循环检查所有子串：

python复制def lengthOfLongestSubstring(s: str) -> int:
    n = len(s)
    res = 0
    for i in range(n):
        seen = set()
        for j in range(i, n):
            if s[j] in seen:
                break
            seen.add(s[j])
        res = max(res, len(seen))
    return res

这种解法时间复杂度为O(n²)，当处理10⁵量级的字符串时（如日志分析场景），性能会急剧下降。

2.2 滑动窗口优化方案

更高效的方案是使用滑动窗口（Sliding Window）配合哈希集合：

python复制def lengthOfLongestSubstring(s: str) -> int:
    char_set = set()
    left = res = 0
    
    for right in range(len(s)):
        while s[right] in char_set:
            char_set.remove(s[left])
            left += 1
        char_set.add(s[right])
        res = max(res, right - left + 1)
    
    return res

这个实现将时间复杂度降到了O(n)，空间复杂度O(min(m,n))，其中m是字符集大小。

关键技巧：当遇到重复字符时，不是重置整个窗口，而是逐步移动左边界直到排除重复项

2.3 哈希表进一步优化

可以用哈希表存储字符索引，实现更精确的窗口跳跃：

python复制def lengthOfLongestSubstring(s: str) -> int:
    char_map = {}
    left = res = 0
    
    for right, char in enumerate(s):
        if char in char_map and char_map[char] >= left:
            left = char_map[char] + 1
        char_map[char]