LeetCode 3.无重复最长子串｜滑动窗口(双指针)超详解析在算法刷题中，最长无重复字符子串是滑动窗口的经典入门题型

在算法刷题中，最长无重复字符子串是滑动窗口的经典入门题型，也是面试高频考点。很多新手容易陷入暴力枚举的超时陷阱，而滑动窗口（双指针）算法可以将这道题的时间复杂度优化到极致。今天结合完整可运行的 JS 代码，从零拆解解题思路、核心逻辑、代码细节和易错点，帮你彻底吃透这道题。

一、题目描述

给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串 的长度。

注意：子串是字符串中连续的字符序列，区别于不连续的子序列，这是解题的关键前提。

示例：

输入: s = "abcabcbb"，输出: 3，解释：最长无重复子串为 "abc"
输入: s = "bbbbb"，输出: 1，解释：最长无重复子串为 "b"
输入: s = "pwwkew"，输出:3，解释：最长无重复子串为 "wke"

二、解题思路：滑动窗口（双指针 + 哈希集合）

1. 暴力解法的弊端

最容易想到的思路是枚举所有子串，逐一判断是否有重复字符，记录最长长度。但这种方法的时间复杂度为 O(n²)，遇到长字符串会直接超时，效率极低，无法通过题目测试用例。

2. 滑动窗口核心思想

滑动窗口是处理连续子数组/子串问题的最优解法之一，核心是用两个指针维护一个动态的窗口区间：

快指针（fast） ：不断向右扩张窗口，遍历字符串每个字符，负责探索新字符
慢指针（slow） ：当窗口内出现重复字符时，向右收缩窗口，剔除重复字符，保证窗口内始终无重复
Set 集合：存储当前窗口内的字符，利用 Set 元素唯一的特性，快速判断字符是否重复

全程保持窗口 [slow, fast] 内的字符无任何重复，每次扩张窗口后更新最长子串长度，遍历完成后即可得到答案。

三、完整可运行代码

以下是优化后的原生 JS 解题代码，也是本文解析的核心代码，可直接在 LeetCode 提交通过：

/**
 * @param {string} s
 * @return {number}
 */
var lengthOfLongestSubstring = function(s) {
    // 定义快慢指针、最长子串长度结果
    let fast = 0, slow = 0, ans = 0;
    // Set存储当前窗口内的字符，自动去重、快速查重
    let window = new Set();

    // 快指针遍历整个字符串，扩张窗口
    for(fast = 0; fast < s.length; fast++) {
        // 窗口内存在当前字符，持续收缩窗口，直到无重复
        while(window.has(s[fast])) {
            window.delete(s[slow]);
            slow++;
        }
        // 将当前字符加入窗口，维护无重复窗口
        window.add(s[fast]);
        // 更新最长子串长度
        ans = Math.max(ans, fast - slow + 1);
    }

    return ans;
};

四、逐行代码详细解析

1. 变量初始化

let fast = 0, slow = 0, ans = 0;
let window = new Set();

fast：快指针，窗口右边界，逐个遍历字符串字符
slow：慢指针，窗口左边界，控制窗口收缩范围
ans：记录全局最长无重复子串的长度，初始为0
window：Set 集合，存储当前窗口 [slow, fast] 内的所有字符，用于高效查重

2. 窗口扩张：快指针遍历

for(fast = 0; fast < s.length; fast++)

快指针从字符串首位遍历到末尾，每一次循环都将窗口向右扩张一位，逐个纳入新字符。

3. 窗口收缩：去除重复字符

while(window.has(s[fast])) {
    window.delete(s[slow]);
    slow++;
}

这是整道题的核心逻辑：

当即将加入窗口的 s[fast] 已经存在于当前窗口中，说明窗口出现重复字符，不满足题意。此时需要持续收缩左边界：删除慢指针指向的字符，慢指针右移，直到窗口中彻底不存在重复字符为止，保证窗口始终是合法的无重复区间。

区别于 if 判断，while 循环可以一次性清除所有前置重复字符，适配所有重复场景。

4. 更新窗口与结果

window.add(s[fast]);
ans = Math.max(ans, fast - slow + 1);

窗口合法后，将当前遍历的字符加入窗口
fast - slow + 1：计算当前窗口的字符长度（左右指针闭区间长度计算方式）
每次遍历都对比当前窗口长度和历史最长长度，保留最大值

五、算法复杂度分析

时间复杂度：O(n)

字符串中每个字符只会被快慢指针各访问一次，不存在重复遍历，整体为线性时间复杂度，n 为字符串长度。

空间复杂度：O(1)

字符的取值范围是有限的（英文字母、数字、符号），Set 集合最多存储固定数量的字符，属于常数级空间，和字符串长度无关。

六、核心易错点总结

必须用 while 而非 if：如果只用 if 判断，只能收缩一次窗口，无法彻底清除前置重复字符，会导致窗口仍存在重复，结果错误。
窗口长度计算：左右指针为闭区间，必须 fast - slow + 1，少加1会导致长度统计偏小。
先收缩、后加字符：必须先清理重复字符，再将新字符加入窗口，顺序颠倒会导致重复字符被存入窗口。

七、解题总结

最长无重复子串是滑动窗口的标杆题型，核心解题模板可以总结为：右指针扩张探索，左指针收缩合规，容器存储窗口状态，实时更新最优解。