编程大师-技术-算法-leetcode-2296. 设计一个文本编辑器你需要实现一个 ValidWordAbbr 类，核

你需要实现一个 ValidWordAbbr 类，核心是预处理字典生成“缩写-单词集合”的映射，从而高效判断目标单词的缩写是否唯一。相比每次遍历字典的暴力解法，预处理能将 isUnique 方法的时间复杂度优化到接近 O(1)（仅生成缩写的时间与单词长度相关），更符合工程最佳实践。

解题思路

预处理字典：
- 构造函数接收字典后，遍历所有单词，为每个单词生成缩写；
- 用 HashMap<String, Set<String>> 存储映射关系：key 是缩写，value 是该缩写对应的所有不同单词的集合（用 Set 去重，避免字典中重复单词干扰判断）。
唯一性判断逻辑：
- 生成目标单词的缩写；
- 若字典中无该缩写 → 唯一（返回 true）；
- 若字典中有该缩写，检查对应的单词集合：
  - 若集合中只有当前单词本身 → 唯一（返回 true）；
  - 否则 → 不唯一（返回 false）。

完整Java代码

import java.util.Deque;
import java.util.LinkedList;

public class TextEditor {
    // 光标左侧字符：用StringBuilder，支持O(1)截取最后10个字符、O(1)删除末尾字符
    private final StringBuilder left;
    // 光标右侧字符：Deque（队首是光标后第一个字符）
    private final Deque<Character> right;

    public TextEditor() {
        left = new StringBuilder();
        right = new LinkedList<>();
    }

    // 添加文本：O(n)（n为text长度），仅追加到left末尾，高效
    public void addText(String text) {
        left.append(text);
    }

    // 删除左侧k个字符：O(k)，最多删除left.length()个
    public int deleteText(int k) {
        int deleteCount = Math.min(k, left.length());
        left.delete(left.length() - deleteCount, left.length());
        return deleteCount;
    }

    // 光标左移k次：O(k)，返回左侧最多10个字符
    public String cursorLeft(int k) {
        int move = Math.min(k, left.length());
        // 从left末尾取出move个字符，加入right队首（保持顺序）
        for (int i = 0; i < move; i++) {
            char c = left.charAt(left.length() - 1);
            left.deleteCharAt(left.length() - 1);
            right.offerFirst(c);
        }
        // 截取最后10个字符：O(1)（常数时间）
        return getLeftTop10();
    }

    // 光标右移k次：O(k)，返回左侧最多10个字符
    public String cursorRight(int k) {
        int move = Math.min(k, right.size());
        // 从right队首取出move个字符，加入left末尾
        for (int i = 0; i < move; i++) {
            char c = right.pollFirst();
            left.append(c);
        }
        // 截取最后10个字符：O(1)（常数时间）
        return getLeftTop10();
    }

    // 核心优化：O(1) 截取左侧最后10个字符（无遍历）
    private String getLeftTop10() {
        int len = left.length();
        int start = Math.max(0, len - 10);
        // substring是O(1)（底层是字符数组引用，非拷贝）
        return left.substring(start, len);
    }

    // 测试用例（和题目示例一致）
    public static void main(String[] args) {
        TextEditor textEditor = new TextEditor();
        textEditor.addText("leetcode");
        System.out.println(textEditor.deleteText(4)); // 4
        textEditor.addText("practice");
        System.out.println(textEditor.cursorRight(3)); // "etpractice"
        System.out.println(textEditor.cursorLeft(8)); // "leet"
        System.out.println(textEditor.deleteText(10)); // 4
        System.out.println(textEditor.cursorLeft(2)); // ""
        System.out.println(textEditor.cursorRight(6)); // "practi"
    }
}

代码关键部分解释

映射结构 abbrToWords：
- 用 HashMap 存储缩写与单词集合的映射，预处理一次字典即可复用，避免每次 isUnique 遍历字典；
- 用 Set 存储单词，自动去重（比如字典中有多个 "a"，仅存一个，不影响判断）。
缩写生成方法 getAbbreviation：
- 严格遵循题目规则：长度 ≤ 2 直接返回单词，长度 > 2 拼接首字母、中间长度、尾字母。
isUnique 核心逻辑：
- 先判断缩写是否存在，不存在则直接唯一；
- 若存在，仅当“缩写对应的单词集合只有当前单词”时，才满足唯一条件（符合题目中“所有缩写相同的单词都与word相同”的规则）。

复杂度分析

初始化（构造函数）：O(n * L)，n 是字典单词数，L 是单词平均长度（生成缩写的时间）；
isUnique 方法：O(L)，仅需生成目标单词的缩写（L 是目标单词长度），后续哈希表和集合操作都是 O(1)。

总结

核心优化点：预处理字典生成缩写-单词集合映射，避免重复遍历字典，提升多次调用 isUnique 的效率；
唯一性判断的关键：要么缩写不存在，要么缩写对应的所有单词都是当前单词；
边界处理：兼容空字典、重复单词、短单词（长度≤2）等场景，保证逻辑正确性。