C语言实现滑动窗口算法求最长无重复子串

1. 问题背景与核心挑战

这道LeetCode经典题目要求我们找到一个字符串中不含有重复字符的最长子串的长度。看似简单的需求背后，隐藏着几个关键的技术挑战：

• 子串连续性：与子序列不同，子串必须是原字符串中连续的字符序列
• 无重复字符：需要高效检测和判断字符是否重复出现
• 最长长度：需要在遍历过程中动态记录和更新最大长度

以输入字符串"abcabcbb"为例，正确的输出应该是3，因为无重复字符的最长子串是"abc"。而像"pwwkew"这样的输入，最长子串是"wke"，长度为3。

2. C语言解法思路分析

2.1 暴力解法及其局限

最直观的解法是使用双重循环检查所有可能的子串：

c复制int lengthOfLongestSubstring(char * s) {
    int max = 0;
    for(int i = 0; s[i]; i++) {
        int hash[256] = {0};
        for(int j = i; s[j]; j++) {
            if(hash[s[j]]) break;
            hash[s[j]] = 1;
            if(j - i + 1 > max) max = j - i + 1;
        }
    }
    return max;
}

这种方法时间复杂度为O(n²)，在LeetCode上会超时，显然不是最优解。

2.2 滑动窗口优化思路

更高效的解法是使用滑动窗口(Sliding Window)技术：

1. 使用两个指针表示窗口的左右边界
2. 右指针不断向右移动扩展窗口
3. 当遇到重复字符时，左指针移动到重复字符的下一个位置
4. 在整个过程中记录窗口的最大长度

这种方法的优势在于每个字符最多被访问两次（左右指针各一次），时间复杂度降为O(n)。

3. 完整C语言实现

3.1 哈希表辅助实现

c复制#include <string.h>

int lengthOfLongestSubstring(char * s) {
    int max_len = 0;
    int left = 0;
    int hash[256] = {0}; // ASCII码共有256个字符
    
    for(int right = 0; s[right]; right++) {
        // 如果当前字符已经存在于窗口中
        if(hash[s[right]] > left) {
            left = hash[s[right]];
        }
        
        // 更新当前字符的最新位置
        hash[s[right]] = right + 1;
        
        // 计算当前窗口长度
        int current_len = right - left + 1;
        if(current_len > max_len) {
            max_len = current_len;
        }
    }
    
    return max_len;
}

3.2 代码解析

1. 哈希表初始化：hash[256]数组用于记录每个字符最后出现的位置
2. 窗口维护：
   • right指针负责扩展窗口
   • 当发现s[right]已经存在于当前窗口(hash[s[right]] > left)时，移动left指针
3. 长度计算：每次迭代都计算当前窗口长度right - left + 1

注意：这里hash[s[right]]存储的是字符s[right]的下一个位置，这样可以避免边界条件判断。

4. 算法复杂度分析

• 时间复杂度：O(n)，其中n是字符串长度。每个字符最多被访问两次。
• 空间复杂度：O(1)，因为哈希表大小固定为256，与输入规模无关。

5. 边界条件与测试用例

5.1 常见测试用例

c复制// 测试用例1：普通情况
assert(lengthOfLongestSubstring("abcabcbb") == 3);

// 测试用例2：全部重复字符
assert(lengthOfLongestSubstring("bbbbb") == 1);

// 测试用例3：空字符串
assert(lengthOfLongestSubstring("") == 0);

// 测试用例4：无重复字符
assert(lengthOfLongestSubstring("abcdef") == 6);

// 测试用例5：混合情况
assert(lengthOfLongestSubstring("pwwkew") == 3);

5.2 特殊字符处理

该解法天然支持所有ASCII字符，包括：

• 大小写字母
• 数字
• 标点符号
• 控制字符等

因为哈希表使用了完整的256个ASCII码位置。

6. 算法优化空间

6.1 进一步减少条件判断

可以通过调整哈希表初始值为-1来简化条件判断：

c复制int lengthOfLongestSubstring(char * s) {
    int max_len = 0;
    int left = 0;
    int hash[256];
    memset(hash, -1, sizeof(hash)); // 初始化为-1
    
    for(int right = 0; s[right]; right++) {
        if(hash[s[right]] >= left) {
            left = hash[s[right]] + 1;
        }
        hash[s[right]] = right;
        max_len = fmax(max_len, right - left + 1);
    }
    return max_len;
}

6.2 处理Unicode字符

如果需要支持Unicode字符（LeetCode的题目通常不需要），可以考虑：

1. 使用更大的哈希表
2. 使用真正的哈希表结构（如uthash）
3. 牺牲部分性能改用线性查找

7. 实际应用场景

这种滑动窗口技术不仅适用于这道题目，还在许多场景中有广泛应用：

1. 网络流量控制：检测数据包中的异常序列
2. 基因组分析：寻找DNA序列中的特定模式
3. 日志分析：检测异常访问模式
4. 实时数据处理：计算移动平均值等

8. 常见错误与调试技巧

8.1 初学者常见错误

1. 哈希表大小不足：只分配了128（仅ASCII）或26（仅小写字母）
2. 边界条件处理不当：特别是空字符串和全重复字符情况
3. 窗口收缩逻辑错误：左指针移动位置不正确
4. 长度计算错误：忘记+1导致少算一个字符

8.2 调试建议

1. 打印窗口变化过程：

c复制printf("left=%d, right=%d, char=%c, max=%d\n", left, right, s[right], max_len);

2. 可视化哈希表状态
3. 使用小规模测试用例逐步验证

9. 与其他语言实现的对比

虽然本文聚焦C语言实现，但了解其他语言的实现方式有助于加深理解：

1. Python：可以利用字典和内置max函数简化代码
2. Java：使用HashMap和Math.max
3. C++：与C类似，但可以使用STL的unordered_map

C语言版本的优势在于：

• 极致的内存效率
• 无动态内存分配
• 适合嵌入式等资源受限环境

10. 扩展思考

10.1 相关题目推荐

1. 最长重复子串
2. 包含最多两个不同字符的最长子串
3. 最小覆盖子串
4. 长度至少为K的重复子串

10.2 算法变种

1. 返回最长子串本身而非长度
2. 允许最多K个重复字符的情况
3. 处理流数据（无法存储整个字符串）

在实际面试中，面试官可能会要求逐步推导解法，从暴力法开始，逐步优化到滑动窗口解法，最后讨论边界条件和优化空间。