# [187. Repeated DNA Sequences](https://leetcode.com/problems/repeated-dna-sequences/) # 思路 ## 思路一 最直观的思路,从前往后遍历s,并用一个集合substr_set记录所有长度为10的子串集合,遇到重复出现的重复子串就将其加入结果集合output_set中, 最后转换成数组返回。 > **注意代码for循环中不能写成`for(int i = 0; i <= s.size() - 10; i++)`, 原因见我之前写的博客[实际应用中关于size_t的一个容易忽略的坑](https://shusentang.github.io/2018/12/08/size-t/)。** ## 思路二 思路二是针对思路一的改进,因为思路一中的substr_set是字符串型的,所以在进行查找的时候是比较慢的(而且空间复杂度也较大), 这个集合只是记录某个子串是否重复,所以我们有必要记录完整的子串吗? 答案当然是不用,如果我们能将每个子串唯一地映射到某个(所占空间更小的)值,那我们只需记录后者就可以了。 由于给定的s中字符只有四种情况,那我们用两个bit就可以把四种情况全部编码了,例如00表示A,01表示C,10表示G,11表示T。 那么10个字符只需要20位,比一个int值(32bit)所占空间还小,所以我们就可以用一个int值代表某个长度为10的子串,大大减小空间和查找的时间。 # C++ ## 思路一 ``` C++ class Solution { public: vector findRepeatedDnaSequences(string s) { unordered_setsubstr_set; unordered_setoutput_set; for(int i = 0; i <= (int)s.size() - 10; i++){ // 不能写成 i <= s.size() - 10 string sub_str = s.substr(i, 10); if(substr_set.count(sub_str)) output_set.insert(sub_str); else substr_set.insert(sub_str); } return vector(output_set.begin(), output_set.end()); } }; ``` ## 思路二 ``` C++ class Solution { public: vector findRepeatedDnaSequences(string s) { unordered_setsubstr_set; unordered_setoutput_set; unordered_map mp{ {'A', 0}, {'C', 1}, {'G', 2}, {'T', 3} }; // 注意学习这种初始化方法 int cur = 0; // 当前子串对应的int值 for (int i = 0; i < 9; ++i) cur = (cur << 2) | mp[s[i]]; for (int i = 9; i < s.size(); i++) { // 先只保留低18位再左移2位, 再更新低两位 cur = ((cur & 0x3ffff) << 2) | mp[s[i]]; if (substr_set.count(cur)) output_set.insert(s.substr(i - 9, 10)); else substr_set.insert(cur); } return vector(output_set.begin(), output_set.end()); } }; ```