门|门 IT 2005 |第 46 题

这是 门 | 门 IT 2005 往年的一道算法题，属于中等难度，需要对数据结构和算法有一定的掌握。

题目描述

给定一个字符串 s 和一组长度相同的单词列表 words，在 s 中找出可以恰好由 words 中所有单词串联形成的子串的起始位置。 注意子串要恰好由 words 中所有单词串联，不多不少。

例如，给定: s="barfoothefoobarman" words=["foo", "bar"] 可以得到的结果： [0,9]

解题思路

这道题目需要用到哈希表和双指针两个数据结构。

首先，将单词列表中的所有单词存储在一个哈希表中，每个单词的键值对是单词及其出现次数。然后，在字符串 s 中遍历所有的子串，并判断是否由单词列表中的单词串联形成。

我们可以选取一个窗口，窗口的长度正好为单词列表中所有单词的长度和。然后，我们可以将窗口移动，直到我们遍历完整个字符串。

在移动窗口时，我们可以使用两个指针，一个指向当前窗口的起始位置，另一个指向当前窗口的末尾位置。我们还需要一个哈希表，用于记录我们窗口中出现的单词及其出现的次数。

在每次移动窗口时，我们可以将当前窗口的末尾位置向右移动一个单词的长度，并判断当前窗口中的单词是否能够由单词列表中的单词串联形成。如果能够形成，我们就可以将当前窗口的起始位置向右移动一个单词的长度，继续判断是否存在符合条件的子串。如果窗口中存在没有在单词列表中出现的单词，或者某个单词在窗口中出现的次数大于其在单词列表中出现的次数，则说明这个子串不能由单词列表中的单词串联形成，我们就可以直接退出循环。

最后，我们可以将符合条件的子串的起始位置存储在一个列表中，并返回这个列表即可。

代码实现

下面是这道题目的代码实现，使用 Python 语言编写。代码实现过程中，我们使用了哈希表和双指针两个数据结构：

def findSubstring(s: str, words: List[str]) -> List[int]:
    # 特判
    if not s or not words:
        return []
    
    # 存储单词及其出现的次数
    word_map = {}
    for word in words:
        word_map[word] = word_map.get(word, 0) + 1
    
    # 单词列表中所有单词的长度相同
    word_len = len(words[0])
    
    # 存储符合条件的子串的起始位置
    res = []
    
    # 遍历所有子串
    for i in range(len(s) - len(words) * word_len + 1):
        # 存储当前窗口中出现的单词及其出现的次数
        cur_map = {}
        j = 0
        while j < len(words):
            word = s[i + j * word_len: i + (j + 1) * word_len]
            # 如果当前单词不在单词列表中，直接退出循环
            if word not in word_map:
                break
            
            cur_map[word] = cur_map.get(word, 0) + 1
            # 如果当前单词出现的次数大于其在单词列表中出现的次数，直接退出循环
            if cur_map[word] > word_map[word]:
                break
            
            j += 1
        
        # 如果窗口中出现的单词及其出现的次数与单词列表中相同，则说明该窗口符合条件
        if j == len(words):
            res.append(i)
    
    return res

以上即为 门 | 门 IT 2005 中第 46 题的解析。这题考察了开发者对数据结构和算法的掌握程度，需要学好基础知识才能更好地解题。