滑动窗口算法解决字母异位词问题

1. 问题理解与解法概述

今天想和大家分享一道力扣经典字符串处理题目——438. 找到字符串中所有字母异位词。这道题看似简单，但蕴含着滑动窗口和字符统计的精妙技巧。我在实际解题过程中踩过不少坑，也总结出了一些优化心得，希望能帮助到正在刷题的你。

1.1 什么是字母异位词？

字母异位词（Anagram）是指由相同字母重新排列组合形成的不同单词或短语。比如"listen"和"silent"就是一组典型的字母异位词。在本题中，我们需要在字符串s中找到所有与p构成字母异位词的子串，并返回它们的起始索引。

注意：字母异位词不仅要求字符种类相同，每个字符的出现次数也必须完全一致。例如"aab"和"abb"就不是字母异位词。

1.2 暴力解法的问题

最直观的解法是枚举s中所有长度为len(p)的子串，然后逐个检查是否为p的字母异位词。这种方法虽然直接，但时间复杂度高达O(n×m)（n为s长度，m为p长度），当字符串较长时（比如n=10^5），这种解法显然无法接受。

我在最初尝试时就用这种方法，结果在力扣的大数据测试用例上直接超时。这促使我开始思考更高效的解决方案。

1.3 滑动窗口的优化思路

滑动窗口（Sliding Window）是处理子串/子数组问题的利器。对于本题，由于我们要找的是固定长度（len(p)）的子串，因此可以使用固定大小的滑动窗口：

1. 初始化窗口大小为len(p)
2. 窗口从s的起始位置开始滑动
3. 每次滑动时，只关注"离开窗口"和"进入窗口"的字符
4. 维护一个实时更新的字符频次统计

这种方法将时间复杂度降到了O(n)，因为每个字符最多被处理两次（进入和离开窗口各一次）。

2. 核心算法实现细节

2.1 数组计数的选择

在处理小写字母统计问题时，使用长度为26的数组通常比哈希表更高效。原因有三：

1. 数组的访问时间是O(1)，且常数因子更小
2. 可以直接用==操作符比较两个数组是否相同
3. 不需要处理哈希冲突等问题

python复制# 初始化频次数组
p_count = [0] * 26
for char in p:
    p_count[ord(char) - ord('a')] += 1

提示：ord(char) - ord('a')是将小写