187. 重复的DNA序列

Difficulty
Medium
Tags
字符串
URL
https://leetcode-cn.com/problems/repeated-dna-sequences/
Star
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 1：
输入：s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT"
输出：["AAAAACCCCC","CCCCCAAAAA"]
示例 2：
输入：s = "AAAAAAAAAAAAA"
输出：["AAAAAAAAAA"]
提示：
  • 0 <= s.length <= 105
  • s[i] 为 'A'、'C'、'G' 或 'T'

法1 字符串hash

思路
滑动窗口字符串hash，边走边存储已经算过的hash，且将这些存起来，
题解
class Solution:
    def findRepeatedDnaSequences(self, s: str) -> List[str]:
        BASE = 31
        MOD = 10 ** 11
        hashMap = collections.defaultdict(int)
        target_hash = 0
        power = 31 ** 10
        res = []
        for i in range(0, len(s)):
            target_hash = (target_hash * BASE + ord(s[i])) % MOD
            
            # i = 9 的时候 才可以开始判断
            if i < 10 - 1:
                continue
            
            if i >= 10:
                target_hash = (target_hash - ord(s[i-10])*power + MOD) % MOD
                
            if hashMap[target_hash] == 1:
                res.append(s[i-10+1:i+1])
            
            hashMap[target_hash] += 1
        return res