光慢光慢1. 力扣Hot100子串问题概述
最近在力扣社区刷Hot100题单时，发现子串类问题出现的频率相当高。这类问题通常要求我们在一个主字符串中寻找满足特定条件的子串，比如最长无重复字符子串、字母异位词子串等。作为C++选手，我发现这类问题虽然表面看起来简单，但想要写出高效解法却需要掌握一些特定的技巧和优化思路。
子串（substring）和子序列（subsequence）是不同的概念。子串必须是原字符串中连续的字符序列，而子序列可以不连续。这个区别非常重要，它直接决定了我们可以采用的算法策略。在Hot100中，子串问题主要集中在滑动窗口、哈希表优化等解法上。
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. 常见子串问题类型解析
2.1 无重复字符的最长子串
这是最经典的子串问题之一（力扣第3题）。给定一个字符串，要求找出其中不含有重复字符的最长子串的长度。例如"abcabcbb"的最长无重复子串是"abc"，长度为3。
暴力解法是检查所有可能的子串，时间复杂度O(n²)。但更优的解法是使用滑动窗口配合哈希表记录字符最后出现的位置。当遇到重复字符时，快速调整窗口左边界。
cpp复制int lengthOfLongestSubstring(string s) {
unordered_map<char, int> lastSeen;
int left = 0, maxLen = 0;
for (int right = 0; right < s.size(); ++right) {
if (lastSeen.count(s[right]) && lastSeen[s[right]] >= left) {
left = lastSeen[s[right]] + 1;
}
lastSeen[s[right]] = right;
maxLen = max(maxLen, right - left + 1);
}
return maxLen;
}
2.2 字母异位词子串
这类问题要求找到字符串中所有字母异位词的子串（力扣第438题）。字母异位词指字母相同但排列不同的字符串，如"abc"和"cba"。
高效解法是使用固定大小的滑动窗口配合字符计数数组。通过比较窗口内字符频率与目标字符串的频率来判断是否为异位词。
cpp复制vector<int> findAnagrams(string s, string p) {
if (s.size() < p.size()) return {};
vector<int> pCount(26, 0), sCount(26, 0);
for (char c : p) pCount[c - 'a']++;
vector<int> res;
for (int i = 0; i < s.size(); ++i) {
sCount[s[i] - 'a']++;
if (i >= p.size()) {
sCount[s[i - p.size()] - 'a']--;
}
if (sCount == pCount) {
res.push_back(i - p.size() + 1);
}
}
return res;
}
2.3 最小覆盖子串
这是滑动窗口的进阶问题（力扣第76题），要求在字符串S中找到包含字符串T所有字符的最短子串。例如S="ADOBECODEBANC", T="ABC"，应返回"BANC"。
解法需要维护两个哈希表：一个记录T中字符频率，另一个记录当前窗口中的字符频率。通过扩展和收缩窗口来寻找最优解。
cpp复制string minWindow(string s, string t) {
unordered_map<char, int> need, window;
for (char c : t) need[c]++;
int left = 0, right = 0;
int valid = 0;
int start = 0, len = INT_MAX;
while (right < s.size()) {
char c = s[right++];
if (need.count(c)) {
window[c]++;
if (window[c] == need[c]) valid++;
}
while (valid == need.size()) {
if (right - left < len) {
start = left;
len = right - left;
}
char d = s[left++];
if (need.count(d)) {
if (window[d] == need[d]) valid--;
window[d]--;
}
}
}
return len == INT_MAX ? "" : s.substr(start, len);
}
3. 子串问题的通用解题框架
3.1 滑动窗口模板
大多数子串问题都可以用滑动窗口技术解决。以下是通用模板：
cpp复制void slidingWindow(string s) {
unordered_map<char, int> window;
int left = 0, right = 0;
while (right < s.size()) {
// 增大窗口
char c = s[right++];
window[c]++;
// 满足条件时收缩窗口
while (window needs shrink) {
char d = s[left++];
window[d]--;
}
}
}
3.2 哈希表优化技巧
在子串问题中，哈希表通常用于：
- 记录字符最后出现位置（无重复字符问题）
- 统计字符频率（异位词问题）
- 快速查找字符是否在目标集合中
C++中unordered_map的平均时间复杂度是O(1)，但要注意：
- 对于小范围字符（如仅小写字母），使用数组代替哈希表更高效
count()和[]操作的区别：前者不创建新条目
3.3 边界条件处理
子串问题常见的边界情况：
- 空字符串输入
- 所有字符都相同的情况
- 子串长度等于整个字符串
- 没有满足条件的子串时的返回值
4. 性能优化与调试技巧
4.1 时间复杂度分析
- 暴力解法：通常O(n²)或O(n³)
- 滑动窗口优化后：通常O(n)或O(n+m)
- 空间复杂度：通常O(字符集大小)
4.2 常见错误与调试
- 窗口边界更新错误：确保left只在必要时移动
- 哈希表未及时更新：在移动left时别忘了更新窗口状态
- 特殊字符处理：考虑大小写、空格等情况
- 初始条件设置：特别是空字符串和单字符情况
调试时可以：
- 打印窗口的左右边界和当前状态
- 对短字符串手动模拟算法过程
- 使用力扣的测试用例调试功能
4.3 测试用例设计
有效的测试用例应包括：
- 常规情况
- 边界情况（空串、单字符）
- 所有字符相同
- 无解情况
- 最大长度限制测试（测试性能）
例如：
- ""（空字符串）
- "a"
- "aaaaa"
- "abcdef"（全不同）
- 长随机字符串
5. 进阶问题与扩展思考
5.1 更复杂的子串匹配
有些问题需要在子串匹配中加入更多条件，如：
- 允许最多k个不匹配（力扣第340题）
- 包含所有关键词但顺序不限
- 考虑通配符或正则表达式
5.2 多字符串的子串问题
如：
- 同时出现在多个字符串中的最长子串
- 包含多个目标字符串的最短子串
- 流数据中的子串匹配（数据无法全部存入内存）
5.3 其他语言实现对比
虽然本文聚焦C++，但了解其他语言的实现也有帮助：
- Java的HashMap实现
- Python的字典和collections.Counter
- Go的map特性
6. 实战练习建议
要真正掌握子串问题，建议：
- 按难度顺序刷题：从简单题开始，逐步过渡到困难题
- 反复练习经典题：如第3、76、438题
- 尝试不同解法：先写暴力解法，再优化
- 参加周赛：限时练习提高应变能力
- 复习错题：建立自己的错题本
推荐练习顺序：
- 无重复字符的最长子串（第3题）
- 最长回文子串（第5题）
- 字母异位词分组（第49题）
- 最小覆盖子串（第76题）
- 找到字符串中所有字母异位词（第438题）
- 至多包含两个不同字符的最长子串（第159题）
- 至多包含K个不同字符的最长子串（第340题）
7. 个人经验分享
在刷了几十道子串问题后，我总结出几点心得：
- 先理清问题要求：子串还是子序列？允许重复吗？顺序重要吗？
- 画图辅助：在纸上画出滑动窗口的移动过程很有帮助
- 变量命名清晰：用left/right比i/j更易理解
- 模块化代码：把窗口更新逻辑封装成函数有时更清晰
- 注意字符编码：特别是Unicode字符时，要考虑多字节情况
最难的部分通常是确定何时收缩窗口。我的技巧是：
- 明确"满足条件"的定义
- 先写出满足条件的情况，再考虑如何调整窗口
- 使用计数器（如valid）来跟踪满足条件的程度
最后提醒：不要死记硬背模板，理解每个问题背后的原理才是关键。多思考为什么这种解法有效，以及如何调整来解决变种问题。