題目

所有 DNA 由一系列縮寫為 A，C，G 和 T 的核苷酸組成，例如：“ACGAATTCCG”。在研究 DNA 時，識別 DNA 中的重複序列有時會對研究非常有幫助。

編寫一個函式來查詢 DNA 分子中所有出現超多一次的10個字母長的序列（子串）。

示例:

輸入: s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT"

輸出: ["AAAAACCCCC", "CCCCCAAAAA"]

分析

自己單純用hash表做的，遍歷每一個字串，一共是len-9個字串。

因為這個題的標籤是位運算嘛，我也沒有想到該怎麼用位運算，提交之後看了別人的程式碼，然後跟著解題報告琢磨了會兒，原來是這樣的～

因為就只有四個核苷酸，那我們可以這樣表示，A--> 00, C --> 01, G --> 10, T--> 11；也就是A=0，C=1，G=2，T=3。

現在可以表示ACGT了，接著就是利用位運算來表示這個字串的各個10長度子串。

每次都要先左移兩位，然後和字元做與運算，

最後把我們10長度子串代表的數字放入set中。方便判斷重複與否。看程式碼吧，說的不清楚。

程式碼

//這個是我自己寫的沒有腦子的程式碼
class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        Map<String,Integer> map = new HashMap<String, Integer>();
        List<String> list = new ArrayList<String>();
        for (int i = 0; i <= s.length()-10; i++) {
            String sm = s.substring(i,i+10);
            if (map.containsKey(sm)){
                if (map.get(sm) < 2) list.add(sm);
                map.put(sm,2);
            }else{
                map.put(sm,1);
            }
        }
        return list;
    }
}
 

public class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        
        Set<Integer> words = new HashSet<>();
        Set<Integer> doubleWords = new HashSet<>();
        List<String> res = new ArrayList<>();
        char[] map = new char[26];
        //map['A'-'A'] = 0; 將字元轉換為數字對映
        map['C'-'A'] = 1;
        map['G'-'A'] = 2;
        map['T'-'A'] = 3;
        
        for(int i=0; i<s.length()-9; i++){
            int str = 0;
            for(int j=i; j<i+10; j++){  //找到當前十個字元的子串
                str <<= 2;
                str |= map[s.charAt(j)-'A'];
            }
            if(!words.add(str) && doubleWords.add(str)){ //子串出現次數大於一次時，將子串儲存進結果集
                res.add(s.substring(i, i+10));
            }
        }
        return res;
    }
}