字符串

副标题 / 摘要 208 题的难点不在算法变化，而在把 Trie 模板按平台接口写稳：insert 建路径，search 查完整单词，startsWith 只查前缀路径。 预计阅读时长：8~10 分钟 标签：Hot100、Trie、前缀树、LeetCode 208 SEO 关键词：LeetCode 208, Implement Trie, Prefix Tree, startsWith 元描述：从接口要求出发实现 LeetCode 208，讲清 Trie 节点、children、is_end、insert/search/startsWith 的区别。 A — Algorithm（题目与算法） 先看最小操作压力 208 题最关键的操作序列是： Trie trie = new Trie() trie.insert("apple") trie.search("apple") -> true trie.search("app") -> false trie.startsWith("app") -> true trie.insert("app") trie.search("app") -> true 这个例子说明： app 可以是 apple 的前缀 但只有插入过 app 后，search("app") 才能返回 True 所以这题不是“路径存在就算命中”。 我们必须同时维护： 路径是否存在 这条路径是否刚好是完整单词 题目接口 设计一个 Trie，也叫前缀树，支持三个操作： ...

副标题 / 摘要 Trie 的重点不是背代码，而是理解“一个节点代表一个前缀”。只要这个模型稳定，插入、完整单词查询和前缀查询都会变成同一个循环。 预计阅读时长：8~10 分钟 标签：Hot100、Trie、前缀树、字典树 SEO 关键词：Trie, 前缀树, 字典树, children, is_end 元描述：用 Python 写一个最小 Trie 模板，讲清节点字段、children 走法、结束标记和循环 invariant。 A — Algorithm（从一个小任务开始） 小任务：同时回答完整单词和前缀 假设已经插入： app apple bat 现在要问： app 是不是完整单词？ ap 是不是某个单词的前缀？ apply 是否存在？ 这个小任务暴露了两个缺口： 只用哈希集合，可以快速判断完整单词，但不能自然回答前缀问题 只看路径存在，又会把 app 和 apple 的前缀关系混成一件事 Trie 要解决的就是：让很多字符串共享公共前缀，同时还能区分“前缀存在”和“完整单词存在”。 从压力反推要支持什么 我们先不管任何题目接口，只定义一个自己的模板： insert(word)：把一个单词插入 Trie search(word)：判断完整单词是否存在 starts_with(prefix)：判断是否存在以 prefix 开头的单词 最小结构图 插入 app 和 apple 后，结构可以想成： root └─ a └─ p └─ p [end] └─ l └─ e [end] 这里最重要的是： ...

副标题 / 摘要 131. 分割回文串 的难点不是递归本身，而是两个问题要同时想清楚：当前切到了哪里，以及一个候选片段是不是回文。把这两件事拆开，你就能得到“回溯枚举 + 回文表预处理”的稳定写法。 预计阅读时长：15~18 分钟 标签：Hot100、回溯、字符串、回文、DP SEO 关键词：Palindrome Partitioning, 分割回文串, 回溯, 回文预处理, DP 元描述：通过 LeetCode 131 理解字符串分割型回溯与回文区间预处理，掌握“先判合法片段，再递归切后缀”的题目模型。 A — Algorithm（题目与算法） 题目还原 给定一个字符串 s，请把它切分成若干个子串，使得每个子串都是回文串，并返回所有可能的切分方案。 输入输出 名称 类型 描述 s string 只包含小写英文字母的字符串 返回 string[][] 所有合法的回文切分方案 示例 1 输入：s = "aab" 输出：[["a","a","b"],["aa","b"]] 示例 2 输入：s = "a" 输出：[["a"]] 约束 1 <= s.length <= 16 s 仅由小写英文字母组成 目标读者 已经学过 78/90 这类数组回溯，准备进入“字符串切分型回溯”的学习者 会写递归，但总把“切分位置”和“合法性检查”搅在一起的开发者 想掌握“先预处理合法区间，再枚举切分”的工程迁移套路的读者 背景 / 动机 这题非常适合帮你建立一种更通用的模型： 先判断哪些区间是合法片段，再递归地把整个串切完。 如果你只是把它看成“回文题”，容易只盯着 isPalindrome()。 但如果你把它看成“字符串分割题”，就会更清楚它的结构： ...

副标题 / 摘要 这题表面上像字符串题，实质上是一个非常标准的固定层数回溯模型：第 k 层只处理第 k 个数字，从其映射字母里选一个，直到路径长度等于输入长度。 预计阅读时长：10~12 分钟 标签：Hot100、回溯、字符串、DFS SEO 关键词：Letter Combinations of a Phone Number, 电话号码的字母组合, 回溯, DFS 元描述：用 LeetCode 17 建立固定层数 DFS 模板，理解字符映射、路径长度终止与多语言实现。 A — Algorithm（题目与算法） 题目还原 给定一个仅由数字 2 到 9 组成的字符串 digits，返回它能表示的所有字母组合。 答案顺序不限。数字与字母的映射与电话按键一致，1 不对应任何字母。 输入输出 名称 类型 描述 digits string 由 2 到 9 组成的数字串 返回 string[] 所有可能的字母组合 示例 1 输入：digits = "23" 输出：["ad","ae","af","bd","be","bf","cd","ce","cf"] 示例 2 输入：digits = "2" 输出：["a","b","c"] 提示 1 <= digits.length <= 4 digits[i] 是范围 ['2', '9'] 内的一个数字 目标读者 已经掌握 78 / 46，准备看另一类回溯树形态的学习者 想把“每层处理一个位置”这种 DFS 模型固定下来的开发者 需要做编码扩展、短串生成、候选串组合的工程师 背景 / 动机 这题和子集、排列都不太一样。 ...

副标题 / 摘要 最小覆盖子串是“可变滑动窗口 + 计数哈希表”的经典题。本文按 ACERS 模板解释如何判断窗口有效、如何收缩得到最短答案，并给出工程场景与多语言实现。 预计阅读时长：12~15 分钟 标签：滑动窗口、哈希表、字符串 SEO 关键词：Minimum Window Substring, 最小覆盖子串, 滑动窗口, 哈希表 元描述：最小覆盖子串的 O(n) 滑动窗口解法与工程应用，含多语言实现。 目标读者 正在刷 LeetCode 的中级开发者 需要掌握“可变窗口 + 覆盖约束”的算法模板 做文本分析、日志聚合或流式过滤的工程师 背景 / 动机 “在一段序列中找到最短区间覆盖目标集合”在工程中非常常见： 日志告警需要覆盖多种错误码，搜索摘要需要覆盖关键字， 运营分析需要覆盖多个行为标签。 本题提供了一个可复用的窗口收缩模板。 核心概念 可变滑动窗口：右指针扩张直到满足条件，左指针收缩缩短答案 计数哈希表：支持重复字符，必须按次数覆盖 满足条件的计数：判断当前窗口是否“覆盖了全部需要” A — Algorithm（题目与算法） 题目重述 给定字符串 s 和 t，返回 s 中最短的子串，使其包含 t 中的每一个字符（包括重复字符）。 若不存在这样的子串，返回空字符串 ""。 测试用例保证答案唯一。 输入输出 名称 类型 描述 s string 源字符串 t string 目标字符串（需要覆盖的字符与次数） 返回 string 最短覆盖子串或空串 示例 1 s = "ADOBECODEBANC", t = "ABC" 输出 = "BANC" 示例 2 s = "a", t = "a" 输出 = "a" 示例 3 s = "a", t = "aa" 输出 = "" C — Concepts（核心思想） 方法类型 可变滑动窗口 + 频次覆盖判断。 ...

副标题 / 摘要 最大元音子串数量是“固定窗口计数”的标准模板题。本文按 ACERS 结构讲清楚滑动窗口的核心思想，并给出工程场景与多语言实现。 预计阅读时长：10~12 分钟 标签：滑动窗口、字符串、固定窗口 SEO 关键词：Maximum Number of Vowels, 最大元音子串, 滑动窗口, 固定窗口 元描述：滑动窗口求固定长度子串最大元音数，含工程化应用与多语言代码。 目标读者 正在刷 LeetCode / Hot100 的同学 想建立“固定窗口计数”模板的中级开发者 需要做日志/指标窗口统计的工程师 背景 / 动机 固定长度窗口内的最大计数是工程里极常见的需求： 监控系统统计异常峰值、运营分析统计活跃峰值、NLP 统计特征峰值。 如果每次窗口都重新计算，会退化为 O(nk)。 滑动窗口能让每步更新变成 O(1)，把整体降到 O(n)。 核心概念 固定滑动窗口：窗口长度固定为 k，只右移一位 增量更新：进入右端元素、移除左端元素 条件计数：只统计满足条件（本题为元音）的元素数量 A — Algorithm（题目与算法） 题目重述 给你一个字符串 s 和整数 k。 返回长度为 k 的子串中，元音字符数量的最大值。 输入输出 名称 类型 描述 s string 只包含小写英文字符 k int 窗口长度 返回 int 任意长度为 k 的子串中最大元音数 示例 1 s = "abciiidef", k = 3 输出 = 3 示例 2 s = "aeiou", k = 2 输出 = 2 C — Concepts（核心思想） 方法类型 固定滑动窗口 + 条件计数。 ...

副标题 / 摘要 这是“连续 1 子串计数”的标准题：用 cur 维护以当前位置结尾的连续 1 长度即可在线累加答案。本文按 ACERS 模板给出清晰模型、工程场景与多语言实现。 预计阅读时长：10~12 分钟 标签：计数、字符串、连续段 SEO 关键词：Number of Substrings With Only 1s, 连续1子串, LeetCode 1513 元描述：在线统计连续 1 子串数量的 O(n) 解法与工程化应用。 目标读者 正在刷 LeetCode / 准备面试的同学 想建立“连续段计数”模板的中级开发者 做日志分析、监控与行为统计的工程师 背景 / 动机 “只含 1 的连续子串数量”看似简单，但它对应一类非常常见的工程统计： 连续事件强度、稳定性评分、连续活跃天数、心跳连续正常等。 掌握这题等于掌握“连续段贡献计数”的可复用模型。 核心概念 连续子串：必须连续，不能跳过元素 连续段（run）：一段连续的 1 在线累加（cur 模型）：记录以当前位置结尾的连续 1 长度 取模：答案可能很大，需要取 1e9+7 A — Algorithm（题目与算法） 题目重述 给你一个二进制字符串 s，请返回 仅由字符 ‘1’ 组成的子串 的数量。 子串要求连续且非空。 输入输出 名称 类型 描述 s string 只包含 ‘0’ 和 ‘1’ 返回 int 仅含 1 的子串数量（取模） 示例 s = "0110111" 输出 = 9 解释：连续 1 段为长度 2 和 3，贡献分别为 3 和 6，总和 9。 ...

副标题 / 摘要 一道看似暴力 O(n·k) 的刷题小题，实际只需要一个固定长度滑动窗口就能在 O(n) 内秒杀。本文从题意还原、窗口建模，到多语言实现与工程场景，把这类「固定长度窗口 + 计数」问题一网打尽。 预计阅读时长：8~10 分钟 适用场景标签：滑动窗口、字符串处理、面试刷题 SEO 关键词：LeetCode 2379, minimum recolors, sliding window, k consecutive black blocks 目标读者与背景 目标读者 正在系统刷 LeetCode / 力扣、想提升滑动窗口题目通过率的开发者 面试中经常被「固定窗口 + 计数」卡住的同学 想把算法题思路迁移到业务代码中的后端 / 前端工程师 为什么这个问题值得认真写一篇？ 它是滑动窗口最基础的形态：窗口长度固定，维护一个简单计数。 很多更难的题（如「最长连续 1」、「至少 k 个元素」等）都可以退化到这个模板。 工程里也经常遇到类似需求：连续 k 个时间片、连续 k 条日志、连续 k 个卡片槽位是否满足某种条件。 A — Algorithm（题目与算法） 题目描述（用自己的话再说一遍） 给你一个只包含 'W'（白块）和 'B'（黑块）的字符串 blocks，还有一个整数 k。 你可以进行若干次操作，每次操作： 选择一个位置，如果那里是 'W'，就可以把它涂成 'B'。 目标是： 通过涂色，让字符串中出现至少一次长度为 k 的连续黑色块（k 个连续 'B'），并且总操作次数最少。问最少要涂几次？ 输入 blocks: str，只包含字符 'W' 和 'B' k: int，目标连续黑块长度，1 ≤ k ≤ len(blocks) 输出 ...