滑动窗口算法解析：解决字符串子区间问题的高效技巧

1. 滑动窗口算法概述

滑动窗口（Sliding Window）是解决字符串和数组子区间问题的经典算法范式。它通过维护一个动态变化的窗口区间，在遍历过程中高效地更新和计算窗口内的状态，避免了暴力解法中大量的重复计算。

我在处理字符串相关问题时，滑动窗口往往是我的首选武器。它的时间复杂度通常能优化到O(n)，比暴力解法的O(n²)或O(n³)要高效得多。下面通过力扣hot100中的两道经典题目，带大家深入掌握这种算法的精髓。

2. 无重复字符的最长子串问题解析

2.1 问题描述与核心思路

题目要求找出给定字符串中不含有重复字符的最长子串的长度。例如：

• 输入："abcabcbb" → 输出：3（"abc"）
• 输入："bbbbb" → 输出：1（"b"）

我的解题思路是：

1. 使用哈希集合（HashSet）记录当前窗口内的字符
2. 维护左右指针表示窗口边界
3. 右指针不断右移扩展窗口
4. 当遇到重复字符时，左指针右移收缩窗口

2.2 详细实现步骤

python复制def lengthOfLongestSubstring(s: str) -> int:
    char_set = set()
    left = 0
    max_len = 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])
        max_len = max(max_len, right - left + 1)
    
    return max_len

关键点说明：

• char_set存储当前窗口内的唯一字符
• 当s[right]已存在时，持续移动left直到移除重复字符
• 每次更新窗口后记录最大长度

2.3 复杂度分析与优化

时间复杂度：O(n) - 每个字符最多被访问两次（右指针和左指针各一次）
空间复杂度：O(min(m,n)) - 取决于字符集大小和字符串长度

实际编码时我发现，使用字典记录字