思路
- 由于碱基无非ACGT四种类型，可以使用00 01 10 11四个状态代替ACGT四种碱基，比如AAGCT就是00 00 10 01 11，对任意一个长度为10的子串都可以转化使用20个位的int值hint。这样就可将
unordered_set<string> repeated转变为unordered_set<int> repeated, 一定程度上减少了所需的存储空间。 - 对于如何去重, 其一可以先收集所有答案，再sort，unique去重，当然这样很慢也很麻烦。其二，可以再构造一个unordered_set<int> check，用于存储已经存入answer中的重复子串对应的hint值;
- 值得一提的是，每次从s[i]->s[i+9]变为s[i+1]->s[i+10]，使用了这样一个方法：
hint = ((hint & eraser) << 2) + ati[s[i]];
其中eraser是一个宏定义, 值为0x3ffff, 二进制是00111111111111111111, 用于擦除hint中的最高2位s[i]碱基对应的值, 再左移2, 最后加上s[i+10]的碱基对应的值。
class Solution {
public:
#define eraser 0x3ffff
vector<string> findRepeatedDnaSequences(string s) {
vector<string> answer;
int hint = 0;//存储长度为10的子串翻译后的int值
if (s.size() < 10)
return answer;
unordered_set<unsigned int> repeated, check;//repeated存储已出现的子串, check用于防止重复答案
unordered_map<char, unsigned int> ati{{'A', 0}, {'C', 1}, {'G', 2}, {'T', 3}};//此处ati是存储各碱基对应的值00 01 10 11(c++11新语法)
for (int i = 0; i != 10; ++i) {
hint = (hint << 2) + ati[s[i]];//用s的前10个碱基构造初始hint值
}
repeated.insert(hint);
for (int i = 10; i != s.size(); ++i) {
hint = ((hint & eraser) << 2) + ati[s[i]]; //子串变化对应hint值变化
unordered_set<unsigned int>::iterator it = repeated.find(hint);
if (it != repeated.end()) {
it = check.find(hint);
if (it == check.end()) {
answer.push_back(string(s, i - 9, 10));
check.insert(hint);
}
}
else
repeated.insert(hint);
}
return answer;
}
};
一开始由于忽略了移位与其他运算符的优先级关系, 一直出问题，郁闷:(
