Java 实现最长无重复子串长度的求解

在字符串处理领域，“求解无重复字符的最长子串长度”是一个经典问题。在Java中，借助“滑动窗口 + 哈希表”的组合能够高效解决该问题。下面将从核心思路、步骤解析到实例演示，全面梳理这一方法，助力快速理解与记忆。

一、核心逻辑：滑动窗口控范围，哈希表记位置

解决该问题的关键在于，利用滑动窗口锁定当前无重复的子串范围，同时通过哈希表记录字符的最新位置，以此快速判断是否存在重复。

• 滑动窗口：由左指针（left）和右指针（right）来界定，区间 [left, right] 始终保持不存在重复字符。
• 哈希表：用于存储字符及其最后出现的索引，可快速检测新字符在当前窗口内是否重复，还能确定左指针的移动位置。

二、步骤拆解：从初始化到结果输出

1. 初始化参数
   • 左指针 left = 0：用于标记当前窗口的起始位置。
   • 最大长度 maxLen = 0：记录遍历过程中出现的最长无重复子串长度。
   • 哈希表 map：键为字符，值为该字符最后出现的索引（初始时为空）。
2. 右指针遍历字符串 右指针从0开始逐步向右移动，每一步都对当前字符 s[right] 进行如下处理：
   • 检测重复并调整左指针：若当前字符 c 存在于哈希表中，且其索引≥left（表明在当前窗口内重复），则将左指针移至该索引 + 1（保证窗口内不再包含重复字符）。
   • 更新哈希表：将当前字符 c 及其索引 right 存入哈希表，覆盖旧值（始终保持字符的最新位置）。
   • 计算并更新最大长度：当前窗口长度为 right - left + 1，将其与 maxLen 比较，取较大值更新 maxLen。
3. 返回结果 遍历结束后，maxLen 就是字符串中无重复字符的最长子串长度。

三、代码实现：简洁骨架与关键逻辑

public int lengthOfLongestSubstring(String s) {
    Map<Character, Integer> map = new HashMap<>();
    int maxLen = 0, left = 0;
    for (int right = 0; right < s.length(); right++) {
        char c = s.charAt(right);
        // 若字符重复且在当前窗口内，移动左指针
        if (map.containsKey(c) && map.get(c) >= left) {
            left = map.get(c) + 1;
        }
        // 更新字符最新位置
        map.put(c, right);
        // 计算当前窗口长度并更新最大值
        maxLen = Math.max(maxLen, right - left + 1);
    }
    return maxLen;
}

四、实例演示：直观理解窗口移动过程

以字符串 abcabcbb 为例，逐步观察窗口的调整过程：

• 右指针 = 0（字符 'a'）：窗口为 [0,0]，maxLen = 1，哈希表记录为 {'a':0} 。
• 右指针 = 1（字符 'b'）：窗口为 [0,1]，maxLen = 2，哈希表记录为 {'a':0, 'b':1} 。
• 右指针 = 2（字符 'c'）：窗口为 [0,2]，maxLen = 3，哈希表记录为 {'a':0, 'b':1, 'c':2} 。
• 右指针 = 3（字符 'a'）：'a' 已在哈希表中，且索引0≥left=0（处于当前窗口内），所以left移至1。窗口变为 [1,3]，长度为3，maxLen 保持3，哈希表更新为 {'a':3} 。

后续右指针继续移动，左指针会根据需要进行调整，最终得出最长子串长度为3。

五、记忆口诀：快速掌握核心

左窗右滑，哈希记位； 遇重复，左移超旧位； 每步算长，更新最大。

通过“右指针扩张窗口、左指针收缩去重、哈希表追踪位置、实时更新最大长度”这四个步骤，能够在O(n)时间复杂度内解决该问题，既高效又易于理解。