76. 最小覆盖子串

76. 最小覆盖子串

难度困难686给你一个字符串 S、一个字符串 T 。请你设计一种算法，可以在 O(n) 的时间复杂度内，从字符串 S 里面找出：包含 T 所有字符的最小子串。

 

示例：

输入：S = "ADOBECODEBANC", T = "ABC"
输出："BANC"

 

提示：

 如果 S 中不存这样的子串，则返回空字符串 ""。
 如果 S 中存在这样的子串，我们保证它是唯一的答案。

 

 

思路：

我们可以用滑动窗口的思想解决这个问题，在滑动窗口类型的问题中都会有两个指针。一个用于「延伸」现有窗口的 r 指针，和一个用于「收缩」窗口的 l 指针。在任意时刻，只有一个指针运动，而另一个保持静止。我们在 s 上滑动窗口，通过移动 r 指针不断扩张窗口。当窗口包含 t 全部所需的字符后，如果能收缩，我们就收缩窗口直到得到最小窗口。

 

如何判断当前的窗口包含所有 ttt 所需的字符呢？我们可以用一个哈希表表示 ttt 中所有的字符以及它们的个数，用一个哈希表动态维护窗口中所有的字符以及它们的个数，如果这个动态表中包含 t 的哈希表中的所有字符，并且对应的个数都不小于 t 的哈希表中各个字符的个数，那么当前的窗口是「可行」的。
注意：这里 ttt 中可能出现重复的字符，所以我们要记录字符的个数。

 

 

只读元素：for(const auto& x:range)     

substr（start, length）：返回一个从指定位置开始，并具有指定长度的子字符串。 

 

代码：

class Solution {
     unordered_map<char, int> hash_t, hash_s;

public:
    bool check()
    {
        for(const auto &p:hash_t)
        {
            if(p.second>hash_s[p.first])
                return 0;
        }
        return 1;
    }
    string minWindow(string s, string t) {
        int left = 0, right = 0, res_l = -1, len = INT_MAX;
        for(const auto &c:t)
        {
             hash_t[c]++;
             hash_s[c] = 0;
        }
           
        while(right<s.size())
        {
            if(hash_t.find(s[right])!=hash_t.end())
                hash_s[s[right]]++;
           
            while(check()&&left<=right)
            {
                if(right-left+1<len)
                {
                    len = right-left+1;
                    res_l = left;
                }
                hash_s[s[left++]]--;
            }
            right++;   

        }
        return res_l == -1 ? string() : s.substr(res_l, len);
    }
};