Substring with Concatenation of All Words

Substring with Concatenation of All Words 题解

---

题目描述

即从字符串s中找出某个子串，此子串是长度一致的子串集合words的某种全排列，返回这些子串的开始位置。
如：s:"barfoofoobarthefoobarman",words:["bar","foo","the"];结果为[6,9,12]。

题解

假设原字符串s长度为n，words中元素长度为k，把k个字符当成一个总体来比较，即划分k趟进行遍历，再运用KMP思想进行匹配。时间复杂度约为O(k*n)。
此处注意的是容器的选择，基于二叉树的容器存取并不如基于哈希的容器存取快。如下代码采起了unordered_map做为容器记录前面的匹配状况。

代码

typedef std::string _Type;
class Solution {
public:
    typedef std::unordered_map<_Type, int> UMAP;
    std::vector<int> findSubstring(const std::string& s, std::vector<std::string>& words) {
        std::vector<int> vec;
        int wsize = words.size(), ssize = s.size();
        if (wsize == 0 || ssize == 0)
            return vec;
        UMAP all;
        for (int i = 0; i < wsize; ++i)
            ++(all[words[i]]);
        for (int mod = 0, len = words[0].size(); mod < len; ++mod) {
            UMAP had;
            for (int j = mod, start = mod, end = ssize - wsize * len; j <= end; ) {
                std::string tmpStr(s.substr(j, len));
                j += len;
                UMAP::iterator it(all.find(tmpStr));
                if (it == all.end()) {
                    had.clear();
                    start = j;
                    end = ssize - wsize * len;
                } else {
                    if (it->second > had[tmpStr]) {
                        ++(had[tmpStr]);
                        if (j - start == wsize * len) {
                            --(had[s.substr(start, len)]);
                            vec.push_back(start);
                            start += len;
                        } else {
                            end += len;
                        }
                    } else {
                        for (int k = start; ; k += len) {
                            std::string stmp(s.substr(k, len));
                            if (stmp == tmpStr) {
                                start = k + len;
                                break;
                            }
                            --(had[stmp]);
                            end -= len;
                        }
                    }
                }
            }
        }
        return vec;
    }
};

总结

主要应用了KMP匹配的思想。