LeetCode-187-重复的DNA序列

重复的DNA序列

题目描述：所有 DNA 都由一系列缩写为 'A'，'C'，'G' 和 'T' 的核苷酸组成，例如："ACGAATTCCG"。在研究 DNA 时，识别 DNA 中的重复序列有时会对研究非常有帮助。

编写一个函数来找出所有目标子串，目标子串的长度为 10，且在 DNA 字符串 s 中出现次数超过一次。

示例说明请见LeetCode官网。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/repeated-dna-sequences/
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

解法一：哈希

首先，判断特殊情况，如果字符串的长度小于11，说明不够组成一个目标子串，不可能有重复的序列，直接返回空。

否则，初始化一个map，用来记录每一个不重复的长度为10的子串，key为子串，value表示相应的key是否是重复序列。然后遍历字符串，每10位作为一个子串，判断当前子串如果不存在，则添加到key中；如果存在且已标为重复，则跳过，如果没有标为重复，则标为重复子串。

最后，返回标为重复的子串即为重复的序列。

import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;

public class LeetCode_187 {
    /**
     * 哈希
     *
     * @param s
     * @return
     */
    public static List<String> findRepeatedDnaSequences(String s) {
        // 如果字符串的长度小于11，说明不够组成一个目标子串，不可能有重复的序列，直接返回空
        if (s == null || s.length() < 11) {
            return new ArrayList<>();
        }
        // 记录每一个不重复的长度为10的子串，key为子串，value表示相应的key是否是重复序列
        Map<String, Boolean> map = new HashMap<>();
        // 长度间隔为10，从第一个字符开始
        int startIndex = 0, endIndex = startIndex + 10;
        // 遍历到最后一个字符结束
        while (endIndex <= s.length()) {
            String substring = s.substring(startIndex, endIndex);
            // 如果当前子串不存在，则添加到key中；如果存在且已标为重复，则跳过，如果没有标为重复，则标为重复子串
            if (map.containsKey(substring)) {
                if (!map.get(substring)) {
                    map.put(substring, true);
                }
            } else {
                map.put(substring, false);
            }
            startIndex++;
            endIndex++;
        }
        return map.entrySet().stream().filter(e -> e.getValue()).map(Map.Entry::getKey).collect(Collectors.toList());
    }

    public static void main(String[] args) {
        // 测试用例，期望输出： ["AAAAACCCCC","CCCCCAAAAA"]
        for (String str : findRepeatedDnaSequences("AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT")) {
            System.out.println(str);
        }
    }
}

【每日寄语】 星星之火，可以燎原。