优质博文:IT-BLOG-CN
一、题目
给定两个字符串s
和t
,编写一个函数来判断t
是否是s
的字母异位词。注意:若s
和t
中每个字符出现的次数都相同,则称s
和t
互为字母异位词。
示例 1:
输入: s = "anagram", t = "nagaram"
输出: true
示例 2:
输入: s = "rat", t = "car"
输出: false
1 <= s.length, t.length <= 5 * 104
s
和t
仅包含小写字母 :::
进阶: 如果输入字符串包含unicode
字符怎么办?你能否调整你的解法来应对这种情况?
Unicode
是为了解决传统字符编码的局限性而产生的方案,它为每个语言中的字符规定了一个唯一的二进制编码。而Unicode
中可能存在一个字符对应多个字节的问题,为了让计算机知道多少字节表示一个字符,面向传输的编码方式的UTF−8
和UTF−16
也随之诞生逐渐广泛使用
二、代码
【1】哈希表: 我们用哈希表维护对应字符的频次即可。需要注意Unicode
一个字符可能对应多个字节的问题,不同语言对于字符串读取处理的方式是不同的。
class Solution {public boolean isAnagram(String s, String t) {if (s == null || t == null || s.length() != t.length()) {return false;}// 思想:创建1个hashMap存储s的字符为key,value为字符的个数,最后遍历t,对value进行递减,如果小于0则为false;Map<Character,Integer> map = new HashMap();for (int i = 0; i < s.length(); i++) {map.put(s.charAt(i), map.getOrDefault(s.charAt(i), 0) + 1);}for (int i = 0; i < t.length(); i++) {int count = map.getOrDefault(t.charAt(i), 0) - 1;if (count < 0) {return false;}map.put(t.charAt(i), count);}return true;}
}
时间复杂度: O(n)
其中n
为s
的长度。
空间复杂度: O(S)
其中S
为字符集大小,此处S=26
。
【2】一维数组: 如果不考虑Unicode
时,字符串只包含26
个小写字母,因此我们可以维护一个长度为26
的一维数组table
,先遍历记录字符串s
中字符出现的频次,然后遍历字符串t
,减去table
中对应的频次,如果出现table[i]<0
,则说明t
包含一个不在s
中的额外字符,返回false
即可。
class Solution {public boolean isAnagram(String s, String t) {if (s == null || t == null || s.length() != t.length()) {return false;}// 维护一个长度为26的一维数组,并将s字符维护进去int[] arr = new int[26];for (int i = 0; i < s.length(); i++) {arr[s.charAt(i) - 'a']++;}// 遍历t字符串,进行count--for (int i = 0; i < t.length(); i++) {arr[t.charAt(i) - 'a']--;if (arr[t.charAt(i) - 'a'] < 0) {return false;}}return true;}
}
时间复杂度: O(n)
其中n
为s
的长度。
空间复杂度: O(S)
其中S
为字符集大小,此处S=26
。
【3】字符排序: t
是s
的异位词等价于「两个字符串排序后相等」。因此我们可以对字符串s
和t
分别排序,看排序后的字符串是否相等即可判断。此外,如果s
和t
的长度不同,t
必然不是s
的异位词。
class Solution {public boolean isAnagram(String s, String t) {if (s == null || t == null || s.length() != t.length()) {return false;}// 投机法:对两个字符串排序后,判断是否相等char[] s1 = s.toCharArray();char[] t1 = t.toCharArray();// 排序Arrays.sort(s1);Arrays.sort(t1);// 判断是否相等return Arrays.equals(s1,t1);}
}
时间复杂度: O(nlogn)
,其中n
为s
的长度。排序的时间复杂度为O(nlogn)
,比较两个字符串是否相等时间复杂度为O(n)
,因此总体时间复杂度为O(nlogn+n)=O(nlogn)
。
空间复杂度: O(logn)
。排序需要O(logn)
的空间复杂度。注意,在某些语言(比如Java & JavaScript
)中字符串是不可变的,因此我们需要额外的O(n)
的空间来拷贝字符串。但是我们忽略这一复杂度分析,因为:这依赖于语言的细节;这取决于函数的设计方式,例如,可以将函数参数类型更改为char[]
。