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。
输入:s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT"
输出:["AAAAACCCCC","CCCCCAAAAA"]
输入:s = "AAAAAAAAAAAAA"
输出:["AAAAAAAAAA"]
0 <= s.length <= 105
s[i] 为 'A'、'C'、'G' 或 'T'
//https://leetcode-cn.com/problems/repeated-dna-sequences/
#include <bits/stdc++.h>
using namespace std;
#define N 100005
#define ll long long int
class Solution {
public:
vector<string> findRepeatedDnaSequences(string s) {
vector<string> v;
int ans = 0, mask = ( 1 << 20 ) - 1;
bitset< 1 << 20 > s1, s2;
unordered_map<char, int> m{{'A', 0}, {'C', 1}, {'T', 2}, {'G', 3}};
for(int i = 0; i < min(10, (int)s.size()); i++)
ans = ((ans << 2) & mask) | m[s[i]];
s1.set(ans);
for(int i = 10; i < s.size(); i++){
ans = ((ans << 2) & mask) | m[s[i]];
if(s2.test(ans)) continue;
if(s1.test(ans)){
v.push_back(s.substr(i - 9, 10));
s2.set(ans);
}
s1.set(ans);
}
return v;
}
};
int main(){
string s1 = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT";
string s2 = "AAAAAAAAAAAAA";
Solution solution;
cout << solution.findRepeatedDnaSequences(s1).size() << endl;
cout << solution.findRepeatedDnaSequences(s2).size() << endl;
return 0;
}
/*
*/