java用哈希表实现LeetCode 438的滑动窗口算法使用哈希表实现LeetCode 438（找到字符串中所有字母异

使用哈希表实现LeetCode 438（找到字符串中所有字母异位词）的滑动窗口算法，适用于字符串包含任意字符（不仅限于小写字母）的场景。核心思路是通过哈希表记录字符频率，结合固定大小的滑动窗口判断子串是否为异位词。

实现代码

import java.util.*;

public class FindAnagramsWithHash {
    public List<Integer> findAnagrams(String s, String p) {
        List<Integer> result = new ArrayList<>();
        int sLen = s.length();
        int pLen = p.length();

        // 边界条件：若s长度小于p，直接返回空列表
        if (sLen < pLen) {
            return result;
        }

        // 哈希表存储p中每个字符的频率
        Map<Character, Integer> pFreq = new HashMap<>();
        // 哈希表存储当前滑动窗口中每个字符的频率
        Map<Character, Integer> windowFreq = new HashMap<>();

        // 初始化p的频率表
        for (char c : p.toCharArray()) {
            pFreq.put(c, pFreq.getOrDefault(c, 0) + 1);
        }

        // 初始化滑动窗口的初始状态（前pLen个字符）
        for (int i = 0; i < pLen; i++) {
            char c = s.charAt(i);
            windowFreq.put(c, windowFreq.getOrDefault(c, 0) + 1);
        }

        // 检查初始窗口是否为p的异位词
        if (isFreqEqual(pFreq, windowFreq)) {
            result.add(0);
        }

        // 滑动窗口：从pLen位置开始向右移动
        for (int right = pLen; right < sLen; right++) {
            // 1. 加入右侧新字符（扩展窗口右边界）
            char newChar = s.charAt(right);
            windowFreq.put(newChar, windowFreq.getOrDefault(newChar, 0) + 1);

            // 2. 移除左侧溢出字符（收缩窗口左边界，保持窗口大小为pLen）
            char leftChar = s.charAt(right - pLen);
            int count = windowFreq.get(leftChar);
            if (count == 1) {
                windowFreq.remove(leftChar); // 频率为1时，移除后频率为0，直接删除键
            } else {
                windowFreq.put(leftChar, count - 1); // 频率减1
            }

            // 3. 检查当前窗口是否与p的频率匹配
            if (isFreqEqual(pFreq, windowFreq)) {
                // 当前窗口的起始索引 = right - pLen + 1
                result.add(right - pLen + 1);
            }
        }

        return result;
    }

    // 辅助函数：判断两个频率哈希表是否完全相等
    private boolean isFreqEqual(Map<Character, Integer> map1, Map<Character, Integer> map2) {
        // 若键的数量不同，直接不匹配
        if (map1.size() != map2.size()) {
            return false;
        }
        // 逐个检查键对应的频率是否相同
        for (char c : map1.keySet()) {
            // 若map2中没有该键，或频率不同，则不匹配
            if (!map2.containsKey(c) || !map1.get(c).equals(map2.get(c))) {
                return false;
            }
        }
        return true;
    }
}

关键思路解析

哈希表的作用：

pFreq 存储字符串 p 中每个字符的出现次数（频率）。
windowFreq 存储当前滑动窗口（长度为 pLen）中每个字符的频率。

滑动窗口逻辑：

窗口大小固定为 pLen（异位词长度必与 p 相同）。
右指针 right 从 pLen 开始移动，每次移动时：

加入右侧新字符 s[right]，更新 windowFreq。
移除左侧溢出字符 s[right - pLen]（保证窗口长度不变），更新 windowFreq（若频率为0则直接删除键，避免干扰比较）。

频率匹配判断：

自定义 isFreqEqual 函数，通过对比两个哈希表的键数量和对应频率，判断是否为异位词。

时间复杂度与空间复杂度

时间复杂度：O(sLen * k)，其中 sLen 是 s 的长度，k 是 p 中不同字符的数量（哈希表键的数量）。每个字符最多被加入和移除窗口各一次，每次频率比较需遍历 k 个键。
空间复杂度：O(k)，两个哈希表最多存储 k 个键（k 为 p 中不同字符的数量）。

适用场景

当字符串 s 和 p 包含 任意字符（如大写字母、数字、符号等）时，无法用固定大小的数组统计频率，此时哈希表实现更通用。例如：

输入 s = "aBcAbC", p = "abc"（包含大写字母）
输入 s = "12321", p = "321"（包含数字）

这种实现通过哈希表灵活记录字符频率，结合滑动窗口高效匹配异位词，兼顾了通用性和效率。