LeetCode 187. Repeated DNA Sequences.jpg
LeetCode 187. Repeated DNA Sequences
Description
All DNA is composed of a series of nucleotides abbreviated as A, C, G, and T, for example: "ACGAATTCCG". When studying DNA, it is sometimes useful to identify repeated sequences within the DNA.
Write a function to find all the 10-letter-long sequences (substrings) that occur more than once in a DNA molecule.
Example:
Input: s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT"
Output: ["AAAAACCCCC", "CCCCCAAAAA"]
描述
所有 DNA 由一系列缩写为 A，C，G 和 T 的核苷酸组成，例如：“ACGAATTCCG”。在研究 DNA 时，识别 DNA 中的重复序列有时会对研究非常有帮助。
编写一个函数来查找 DNA 分子中所有出现超多一次的10个字母长的序列（子串）。
示例:
输入: s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT"
输出: ["AAAAACCCCC", "CCCCCAAAAA"]
思路
- 题意是以10个字符构成每一个子串，寻找在字符串中出现了不止了一次的子字符串.
- 我们使用两个哈希set，wordset用于存储已经找到的子字符串，res用于存储已经出现的结果.我们以10个字符串为窗口，如果当前子字符串已经出现过在wordset中，我们就把他添加到res中，如果没有就添加到wordset中，最后我们返回list类型的res.
# -*- coding: utf-8 -*-
# @Author: 何睿
# @Create Date: 2019-01-18 19:56:00
# @Last Modified by: 何睿
# @Last Modified time: 2019-01-18 20:10:34
class Solution:
def findRepeatedDnaSequences(self, s):
"""
:type s: str
:rtype: List[str]
"""
# wordset哈希set存储已经出现过的子字符串
# res用于存储结果中的子字符串
wordset, res, count = set(),set(), len(s)
i = 0
# 每一个窗口的长度为10
while i + 10 <= count:
# 如果当前字符串已经出现过，就把当前字符串添加到结果字符串中
if s[i:i + 10] in wordset:
res.add(s[i:i + 10])
else:
# 如果没有出现过，就添加到记录中
wordset.add(s[i:i + 10])
i += 1
# 返回需要list类型
return list(res)
