尺取法：高效解决子串与子数组问题的双指针技巧

1. 尺取法核心思想解析

尺取法（Two Pointers Technique）是一种通过维护两个指针来高效遍历序列的算法策略。这个形象的名称来源于其工作方式——就像用一把可伸缩的尺子在序列上滑动测量。我在处理字符串匹配和子数组问题时，发现这种方法能大幅降低时间复杂度。

1.1 基本工作原理

想象你在检查一列排队的人是否符合身高要求。传统做法是从头到尾逐个检查每个人及其后续组合（O(n²)复杂度）。而尺取法让你同时移动队伍的首尾检查点：

1. 初始化左右指针（left=0, right=0）
2. 右指针向前扩展窗口，直到满足条件
3. 左指针向前收缩窗口，优化解的范围
4. 重复上述过程直到遍历完成

这种策略将许多问题的复杂度从O(n²)降到了O(n)，特别是在处理连续子序列问题时效果显著。

1.2 适用场景特征

根据我的项目经验，符合以下特征的问题适合尺取法：

• 需要处理数组/字符串的连续子序列
• 问题可以转化为"满足某条件的最短/最长区间"
• 当右指针右移时，条件单调变化（更容易维护窗口状态）

典型应用包括：最小覆盖子串、无重复字符的最长子串、区间求和等问题。接下来我会用实际案例展示如何实现。

2. 经典问题实战：最小覆盖子串

让我们以LeetCode 76题为例，演示尺取法的完整实现过程。题目要求：在字符串s中找到涵盖字符串t所有字符的最短子串。

2.1 预处理与初始化

python复制from collections import defaultdict

def minWindow(s: str, t: str) -> str:
    # 初始化哈希表记录需要匹配的字符频次
    need = defaultdict(int)
    for c in t:
        need[c] += 1
    need_cnt = len(t)  # 需要匹配的字符总数
    left = 0  # 窗口左边界
    res = (0, float('inf'))  # 结果存储(start, length)

这里使用defaultdict记录目标字符串t的字符分布，need_cnt变量动态跟踪还需匹配的字符数。这种预处理是尺取法的关键准备步骤。

2.2 窗口