[leetcode 187]Repeated DNA Sequences

1 题目

All DNA is composed of a series of nucleotides abbreviated as A, C, G, and T, for example: "ACGAATTCCG". When studying DNA, it is sometimes useful to identify repeated sequences within the DNA.

Write a function to find all the 10-letter-long sequences (substrings) that occur more than once in a DNA molecule.

For example,

Given s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT",

Return:
["AAAAACCCCC", "CCCCCAAAAA"].

2 思路

刚开始想的要存储s.length()-10个字符串，来比较是否有重复，设置一个hashmap来存储所有的10字母序列，设置一个list来存储有重复的。发现提示内存超了。

后来把hashmap换成另一个list，发现时间超了。

网上一查，发现由于字符串只有A，C，G，T，所以可以把它转化为对应的0，1，2，3，只需两位就够了。这样就由 2 ＊ 16 字节变为 2 ＊10bit来表达一个字符串。节约了内存空间。

具体参考了http://blog.csdn.net/dddongdong/article/details/43758603，他讲的也更详细一些。个人认为节约的具体空间没有他说的那么多，应该与具体语言、编译器，硬件结构有关，但是肯定是能节约空间的。

3 代码

    private int myHash(String s){ //java int占4*8=32位，大于10*2=20位，不会溢出，若L大于16，这段代码应该有问题。
        int n = 0;  
        
        for(int i = 0; i < s.length(); i++){            
                char c = s.charAt(i);  
                if(c == 'C'){  
                    n += 1;  
                }else if(c == 'G'){  
                    n += 2;  
                }else if(c == 'T'){  
                    n += 3;  
                }  
                n <<=2; //左移两位，用两位表示一个字符
        }  
        return n;  
    }  

    
    public LinkedList<String> findRepeatedDnaSequences(String s){
        int L = 10;
        LinkedList<String> repeatedDnaSequences = new LinkedList<String>();
        if(s == null || s.length() < L) return repeatedDnaSequences;
        
        HashMap<Integer, Boolean> tenLettlesHashMap = new HashMap<Integer, Boolean>();
        for (int i = 0; i <= s.length() - L; i++) {
            String string = s.substring(i, i + L);
            int dnaSequences = myHash(string);
            if (tenLettlesHashMap.containsKey(dnaSequences)) {
                if (!repeatedDnaSequences.contains(string)) {//防止加入重复的string
                    repeatedDnaSequences.add(string);
                }
            }else {
                tenLettlesHashMap.put(dnaSequences, true);//true还是false没关系，主要运用的是查找是否已经存在
            }
        }    
        System.out.println(repeatedDnaSequences);
        return repeatedDnaSequences;
    }