Repeated DNA Sequences

在給定字串中尋找重複出現的序列，每個序列長度為10

可以採用unordered_map記錄每個序列出現的個數，將出現超過一次的新增到結果集中

程式碼如下

class Solution {
public:
    vector<string> findRepeatedDnaSequences(string s) {
        if(s.size() < 10)   return {};

        vector<string> res;
        unordered_map<string
 
, int> hash;
        size_t first = 0;
        size_t last = 10;
        while(last <= s.size())
        {
            auto str = s.substr(first, last - first);
            if(hash[str] == 1)
                res.emplace_back(str);
            ++hash[str];
            ++first;
            ++last;
        }
        return
 
 res;
    }
};

但是這種方法每次都需要呼叫substr獲取子串，容易造成效能瓶頸，有什麼方法不用呼叫substr也能判斷當前的這個子串出現過呢

由於規定了子串長度為10，而且子串中只能出現”AGCT“四個字元中的一個，那麼可以考慮用20個bit來表示長度為10的子串，其中每個字元佔兩bit。隨後採用滑動視窗的思想，新到的字元新增到20bit的低位，溢位的字元丟掉

程式碼如下

class Solution {
public:
    vector<string> findRepeatedDnaSequences(string s) {
        if(s.size() < 10
 
)   return {};

        vector<string> res;
        unordered_map<int, int> hash;
        int val = 0;
        /* 掩碼，用於將左溢位的兩位清零 */
        int mask = (1 << 20) - 1;
        /* 每個字元佔兩位，toBit要保證能區分開四個字元 */
        for(int i = 0; i < 10; ++i)
            val = (val << 2) | toBit(s[i]);
        hash[val] = 1;
        for(int i = 10; i < s.size(); ++i)
        {
            val = ((val << 2) | toBit(s[i])) & mask;
            if(hash[val] == 1)
                res.emplace_back(s.substr(i - 10 + 1, 10));
            ++hash[val];
        }
        return res;
    }
private:
    int toBit(char ch)
    {
        switch(ch)
        {
            case 'A':
                return 0;
            case 'G':
                return 1;
            case 'C':
                return 2;
            case 'T':
                return 3;
        }
    }
};