LeetCode——3. 无重复字符的最长子串

### LeetCode '无重复字符的最长子串' 的 Python 实现 此问题的目标是从给定字符串中找到不包含任何重复字符的最长子串长度。以下是基于滑动窗口算法的一种高效解决方案。 #### 方法概述 通过维护一个动态窗口来跟踪当前无重复字符的子串范围，可以有效地解决该问题。具体来说，利用哈希表记录每个字符最近一次出现的位置，并调整窗口左边界以排除重复项。 #### 代码实现 以下是一个标准的 Python 解决方案： ```python def lengthOfLongestSubstring(s: str) -> int: char_index_map = {} # 存储字符及其最新索引位置 max_length = 0 # 记录最大子串长度 start = 0 # 当前窗口起始位置 for i, char in enumerate(s): # 遍历字符串 if char in char_index_map and char_index_map[char] >= start: # 如果发现重复字符，则更新窗口起点 start = char_index_map[char] + 1 char_index_map[char] = i # 更新或新增字符对应的索引 current_length = i - start + 1 # 当前窗口大小 max_length = max(max_length, current_length) # 更新最大长度 return max_length ``` 上述代码的核心逻辑在于使用 `char_index_map` 来存储已访问过的字符以及它们最后出现的位置[^1]。当遇到重复字符时，重新计算窗口的起始点并继续扩展窗口直到遍历结束[^2]。 对于输入 `"abcabcbb"`，执行过程如下： - 初始状态：`start=0`, `max_length=0` - 处理到第3个字符 `'c'` 之前未检测到重复，此时 `max_length=3` - 发现有重复字符 `'a'` 后移动窗口左侧至新位置，最终返回结果为 `3`. 同样地，在处理像 `"bbbbb"` 这样的极端情况时也能正确得出答案为 `1`[^4]. #### 时间复杂度与空间复杂度分析 时间复杂度 O(n)，其中 n 是字符串长度；因为每个字符最多被访问两次——加入和移除窗口各一次。 空间复杂度 O(min(m,n)) ，m 表示 ASCII 字符集大小 (通常固定为128), 而 n 取决于实际输入字符串长度[^5]. ---