. 题目
. 审题
今天这道题，看起来是不是很简单？
但做为一道中等难度的题目，它可不会让你失望。敲起你的键盘，试着来解下这道题，你会很难找到一个好的思路。
事实上，想这个思路也确实花了我不少的时间，是写代码时间的好几倍。
首先，要理解 子串 和 子序列 的区别。
子串：必须同时具备，连续性和唯一性。
子序列：只须具备唯一性即可。
. 我的版本
先说下我的思路。
假设一个字符串的长度是10，那我就先从字符串的[0,1]子串查起，假如子串里没有重复字符（通过set()去重查看），就继续查看子串[0,2]，如果还是没有重复，就继续查看[0,3]，这时候，我们发现这个子串里有重复字符（比方说，子串"abcb"），接下来，我们就要找出是在重复的那个字符的索引（查出是 b，在索引 1 处）。那下次我们查找的子串就不是[0,5]了，而是[2,5]，就这样一直往下，直到遍历完整个字符串。
class Solution:
def lengthOfLongestSubstring(self, s):
if len(s) == 1:
return 1
reset_start= False
start = 0
max_len = 0
for i in range(len(s)):
# reset_start就为True，需要重新设置起点
if reset_start:
start = new_start
# 为什么加1，是因为第一次start会和end一样是0
end = i + 1
sub_str = s[start:end]
len_sub_str= end - start
if len(set(sub_str)) != len_sub_str:
# 找出是在哪个位置重复
rep_index = sub_str.index(s[i])
new_start = rep_index + start + 1
reset_start= True
continue
if len_sub_str > max_len:
# 记录下迄今为止最在长度
max_len = len_sub_str
skip = False
return max_len
运行一下，结果很差。只击败了24.73%。今天吃不了鸡腿了。不过小明真的是尽力了。只能想到这个思路。
. 网上的版本
按照惯例，还得上网去学习别人的优秀代码。
真是惊叹，果然是思路决定出路啊。
这种解法很巧妙。
定义两个变量longest和left，longest用于存储最长子字符串的长度，left存储无重复子串左边的起始位置。
然后创建一个哈希表，遍历整个字符串，如果字符串没有在哈希表中出现，说明没有遇到过该字符，则此时计算最长无重复子串，当哈希表中的值小于left，说明left位置更新了，需要重新计算最长无重复子串。每次在哈希表中将当前字符串对应的赋值加1。
class Solution(object):
def lengthOfLongestSubstring(self, s):
longest = 0; left = 0; tmp = {}
for index, each in enumerate(s):
if each not in tmp or tmp[each] < left:
# 计算当前最长的长度
longest = max(longest, index - left + 1)
else:
left = tmp[each]
tmp[each] = index + 1
return longest
运行一下，看看吧，击败了92.3%。众望所归啊。 佩服佩服。
. 总结
其实我的思路，和上面那个优秀代码的思路是一致的。
我做得不好的一点是，在检测当前子串是否重复这一点上面，我选了一个效率非常低的做法，就是每次循环都要计算下len(set(str_obj)) 和 len(str_obj)，而这种是相当耗时的，而且会随着字符串长度的增长，耗时也线性增加。
而聪明的人，则是通过维护一个字典，来存放唯一值，和唯一值的最大索引。对执行速度的提升，可以说是非常显著的。
