一、题目概述
给定一个字符串 s，请你找出其中不含有重复字符的最长子串的长度。
例如：
示例 1
输入：s = "abcabcbb"
输出：3
解释：最长无重复子串是 "abc"，长度为 3。
示例 2
输入：s = "bbbbb"
输出：1
解释：最长无重复子串是 "b"，长度为 1。
示例 3
输入：s = "pwwkew"
输出：3
解释：最长无重复子串是 "wke"，长度为 3。
注意：答案必须是子串，"pwke" 是子序列，不是子串。
二、核心思路
这道题是滑动窗口的经典入门题。
所谓"滑动窗口"，你可以把它想象成一个弹性窗口在字符串上从左往右滑动：
- 右指针负责扩张窗口——每次往右移一步，把新字符纳入窗口
- 左指针负责收缩窗口——当窗口里出现了重复字符，就把左边界往右缩，直到窗口重新合法
在整个过程中，我们用一个集合（set）记录当前窗口里有哪些字符。每次窗口合法时，更新一下"最大长度"。
核心逻辑用一句话概括：
右指针不断扩张，遇到重复就收缩左指针，全程记录最大窗口长度。
三、代码实现
class Solution:def lengthOfLongestSubstring(self, s: str) -> int:char_set = set()left = 0max_len = 0for right in range(len(s)):while s[right] in char_set:char_set.remove(s[left])left += 1char_set.add(s[right])max_len = max(max_len, right - left + 1)return max_len
四、逐行拆解
1. 初始化三个变量
char_set = set()
left = 0
max_len = 0
char_set：一个集合，记录当前窗口内有哪些字符。集合的特点是查找和删除都是 O(1)，非常适合"判断是否重复"这件事。left：窗口的左边界，初始指向字符串开头。max_len：记录目前为止遇到的最长无重复子串的长度。
2. 右指针遍历整个字符串
for right in range(len(s)):
right 是窗口的右边界。这个 for 循环让右指针从头走到尾，每次右移一步。
3. 如果新字符已在窗口内，收缩左边界
while s[right] in char_set:char_set.remove(s[left])left += 1
这是整个算法最关键的一步。
当 s[right] 已经存在于 char_set 中，说明窗口内出现了重复字符。此时不能直接把新字符加进来，必须先把左边的字符一个一个移出去，直到窗口里不再包含 s[right]。
注意这里用的是 while，不是 if。因为重复的那个字符可能不在窗口的最左边，需要一直缩到那个字符被移除为止。
4. 把新字符加入窗口
char_set.add(s[right])
经过上面的 while 之后，窗口内已经不包含 s[right] 了，可以安全地加入。
5. 更新最大长度
max_len = max(max_len, right - left + 1)
当前窗口的长度是 right - left + 1。每次窗口合法时都和 max_len 比一下，保留更大的那个。
6. 返回结果
return max_len
五、手动模拟
以 s = "abcabcbb" 为例，走一遍完整流程。
| 步骤 | right | s[right] | 操作 | char_set | left | 窗口内容 | max_len |
|---|---|---|---|---|---|---|---|
| 1 | 0 | a | 加入 a | 0 | "a" | 1 | |
| 2 | 1 | b | 加入 b | 0 | "ab" | 2 | |
| 3 | 2 | c | 加入 c | 0 | "abc" | 3 | |
| 4 | 3 | a | a 重复！移除 s[0]=a，left→1；加入 a | 1 | "bca" | 3 | |
| 5 | 4 | b | b 重复！移除 s[1]=b，left→2；加入 b | 2 | "cab" | 3 | |
| 6 | 5 | c | c 重复！移除 s[2]=c，left→3；加入 c | 3 | "abc" | 3 | |
| 7 | 6 | b | b 重复！移除 s[3]=a，left→4；b 还在！移除 s[4]=b，left→5；加入 b | 5 | "cb" | 3 | |
| 8 | 7 | b | b 重复！移除 s[5]=c，left→6；b 还在！移除 s[6]=b，left→7；加入 b | 7 | "b" | 3 |
最终返回 3，对应最长无重复子串 "abc"。
再看一个更短的例子：s = "pwwkew"
| 步骤 | right | s[right] | 操作 | char_set | left | 窗口内容 | max_len |
|---|---|---|---|---|---|---|---|
| 1 | 0 | p | 加入 p | 0 | "p" | 1 | |
| 2 | 1 | w | 加入 w | 0 | "pw" | 2 | |
| 3 | 2 | w | w 重复！移除 p，left→1；w 还在！移除 w，left→2；加入 w | 2 | "w" | 2 | |
| 4 | 3 | k | 加入 k | 2 | "wk" | 2 | |
| 5 | 4 | e | 加入 e | 2 | "wke" | 3 | |
| 6 | 5 | w | w 重复！移除 w，left→3；加入 w | 3 | "kew" | 3 |
最终返回 3，对应 "wke" 或 "kew"。
六、复杂度分析
时间复杂度：O(n)
虽然代码里有 for 循环套 while 循环，看起来像是 O(n^2)，但实际上：
right指针从头到尾走了 n 步left指针也是从头到尾走，最多走 n 步
两个指针加起来总共最多走 2n 步，所以时间复杂度是 O(n)，不是 O(n^2)。
这是滑动窗口类题目的一个非常重要的分析技巧：不要看循环嵌套的层数，要看每个指针总共走了多少步。
空间复杂度：O(min(m, n))
m是字符集的大小（比如英文小写字母是 26，ASCII 是 128）n是字符串长度
集合里最多存 min(m, n) 个字符。对于常见场景，可以认为是 O(1)（固定大小的字符集）。
七、总结
这道题的标准解法是：
class Solution:def lengthOfLongestSubstring(self, s: str) -> int:char_set = set()left = 0max_len = 0for right in range(len(s)):while s[right] in char_set:char_set.remove(s[left])left += 1char_set.add(s[right])max_len = max(max_len, right - left + 1)return max_len
这道题真正训练的是滑动窗口的基本模式，有三件事值得记住：
1. 滑动窗口的基本框架
右指针扩张、左指针收缩、全程维护一个"窗口合法"的不变量。这个框架在后续很多题里会反复出现，比如"最小覆盖子串"、"字母异位词"等。
2. 用集合维护窗口内容
集合的 in / add / remove 都是 O(1) 操作，天然适合做"窗口内是否有重复"的判断工具。
3. 时间复杂度不是看循环嵌套层数
for 里套了一个 while，但两个指针各自最多走 n 步，总时间是 O(n)。这种"双指针摊销分析"是理解滑动窗口效率的关键。
这道题是滑动窗口的第一课。把"右扩左缩 + 集合判重 + 更新最大值"这个模式吃透，后面遇到更复杂的窗口类题目时，只需要换掉"窗口合法"的条件就行了，框架是一样的。