LeetCode 3.无重复字符的最长子串｜Python题解（滑动窗口最优版）
LeetCode 3.无重复字符的最长子串｜Python题解（滑动窗口最优版）
🔥 LeetCode力扣题解 | 难度：中等 | 标签：滑动窗口、双指针、哈希表、字符串、面试高频TOP
本篇题解严格适配CSDN原创排版与评分规则，纯标准Markdown格式，无多余锚点与格式冗余，代码可直接提交LeetCode，覆盖核心思路、逐行精讲、边界案例与易错提醒，复制即可一键发布，适配面试手撕与算法学习～
题目描述
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。
重点区分：子串是字符串中连续的一段字符序列，子序列可以不连续，解题时必须严格保证连续性。
示例
示例 1
输入: s = "abcabcbb" 输出: 3 解释: 无重复字符的最长子串是 "abc"，长度为3；"bca" "cab" 同样符合要求，长度一致。示例 2
输入: s = "bbbbb" 输出: 1 解释: 无重复字符的最长子串是单个 "b"，长度为1。示例 3
输入: s = "pwwkew" 输出: 3 解释: 无重复字符的最长子串是 "wke"，长度为3。 注意："pwke" 是子序列，并非连续子串，不符合题意。提示与约束
0 <= s.length <= 5 * 10^4（数据量较大，暴力解法会超时，必须优化）s由英文字母、数字、符号和空格组成要求时间复杂度尽可能低，最优解法可达到线性时间
解题思路
本题是面试必考中等题，更是滑动窗口算法的入门经典题，属于字符串处理的高频题型。如果采用暴力枚举所有子串的解法，时间复杂度为O(n²)，面对n≤5e4的数据量会直接超时，因此必须采用滑动窗口（双指针）+ 哈希表的最优解法，将时间复杂度降至O(n)，线性遍历一次即可完成求解。
核心算法：滑动窗口（双指针）
滑动窗口的核心思想，是把字符串中的连续子串看作一个“窗口”，通过左右两个指针动态调整窗口的左右边界，保证窗口内始终无重复字符，全程只遍历字符串一次，效率拉满。
核心逻辑拆解
左指针：代表当前无重复子串的左边界，初始值为0；当窗口内出现重复字符时，右移左指针，收缩窗口，直至窗口内无重复。
右指针：代表当前无重复子串的右边界，负责不断向右扩展窗口，遍历整个字符串。
哈希表（字典）：用于存储字符及其最后出现的下标位置，快速判断当前字符是否在窗口内重复，实现
O(1)时间查询。长度更新：每次扩展窗口后，计算当前窗口长度，实时更新最大长度值。
关键细节：左指针不能回退，只能向右移动，避免重复遍历，保证算法线性时间复杂度；哈希表存储的是字符最后出现的位置，而非是否出现，精准收缩窗口。
标准解法代码
严格遵循题目指定代码格式，滑动窗口最优实现，原地遍历、无额外空间浪费，注释详尽，适配新手理解与面试手撕，可直接复制提交LeetCode：
fromtypingimportListclassSolution:deflengthOfLongestSubstring(self,s:str)->int:# 哈希表：存储字符最后一次出现的索引，实现O(1)查询char_index={}# 左指针，初始指向窗口左边界left=0# 记录最长无重复子串长度max_len=0# 右指针遍历字符串，扩展窗口右边界forright,charinenumerate(s):# 字符重复，且在当前窗口内，收缩左边界ifcharinchar_indexandchar_index[char]>=left:left=char_index[char]+1# 更新当前字符的最后出现位置char_index[char]=right# 计算当前窗口长度，更新最大值current_len=right-left+1ifcurrent_len>max_len:max_len=current_lenreturnmax_len代码逐行深度解析
1. 变量初始化
char_index={}left=0max_len=0char_index：字典结构，键为字符串中的字符，值为该字符最后一次出现的下标，用于快速判断重复；left：滑动窗口左指针，初始在字符串起始位置，标记当前无重复子串的左边界；max_len：全局变量，记录遍历过程中遇到的最长无重复子串长度，初始为0。
2. 右指针遍历扩展窗口
forright,charinenumerate(s):右指针right配合enumerate遍历字符串，每一步代表窗口向右扩展，逐个纳入新字符，全程仅遍历字符串一次，保证线性时间。
3. 重复字符判断与窗口收缩
ifcharinchar_indexandchar_index[char]>=left:left=char_index[char]+1判断条件一：字符已在哈希表中存在，说明之前出现过；
判断条件二：该字符上次出现的位置在当前窗口内（下标 ≥ 左指针），说明当前窗口内重复；
收缩逻辑：左指针直接跳到重复字符下标的下一位，跳过重复区域，保证窗口内无重复，左指针只右移不回退，避免无效遍历。
4. 更新字符位置与最大长度
char_index[char]=right current_len=right-left+1ifcurrent_len>max_len:max_len=current_len无论字符是否重复，都更新其最后出现的下标为当前右指针位置，保证哈希表数据最新；
计算当前窗口长度：右指针 - 左指针 + 1（闭区间长度）；
实时对比更新最大长度，遍历完成后即为最终答案。
5. 结果返回
returnmax_len遍历结束后，max_len存储的就是整个字符串中无重复字符的最长子串长度，直接返回即可。
示例运行过程演示
示例1：s = “abcabcbb”
right=0(char=a)：无重复，char_index[a]=0，窗口[0,0]，len=1，max_len=1；
right=1(char=b)：无重复，char_index[b]=1，窗口[0,1]，len=2，max_len=2；
right=2(char=c)：无重复，char_index[c]=2，窗口[0,2]，len=3，max_len=3；
right=3(char=a)：a重复且在窗口内，left=1，char_index[a]=3，窗口[1,3]，len=3，max_len不变；
后续遍历重复上述逻辑，窗口长度始终不超过3，最终max_len=3。
边界示例：空字符串/单字符
s=“”：无遍历，返回0，符合题意；
s=“z”：窗口[0,0]，len=1，返回1，处理正确。
📊 算法复杂度分析
时间复杂度：
O(n)，n为字符串长度，左右指针各遍历字符串一次，哈希表查询与更新均为O(1)，整体线性时间，完美适配n≤5e4大数据量，无超时风险；空间复杂度：
O(1)（常数级），哈希表存储的字符数量有限，最多为字符集大小（英文字母、数字、符号总数固定），并非随n线性增长，属于最优空间复杂度。
💡 解法对比（暴力VS滑动窗口）
暴力解法：枚举所有子串，判断是否重复，时间复杂度O(n²)，大数据量下直接超时；
滑动窗口解法：一次遍历+哈希表快速查重，线性时间完成，是本题标准最优解，面试必写解法。
⚠️ 面试易错点与边界案例全覆盖
边界1：空字符串
s=""→ 返回0，特殊边界必须处理；边界2：全重复字符串
s="bbbbb"→ 返回1；边界3：无重复字符串
s="abcd"→ 返回字符串长度；边界4：含特殊字符/空格
s="a b!a"→ 正常处理，哈希表支持所有字符类型；易错点1：混淆子串和子序列，忽略连续性；
易错点2：左指针回退，导致时间复杂度升高；
易错点3：未判断重复字符是否在当前窗口内，错误收缩窗口。
面试踩坑提醒：本题是滑动窗口入门必考题，核心得分点是线性时间复杂度+窗口不回退收缩，严禁写暴力解法；哈希表存储字符最后位置而非单纯标记存在，是优化关键！
📝 解题总结
无重复字符的最长子串是滑动窗口算法的标杆题型，核心思路是通过双指针动态维护无重复窗口，配合哈希表实现快速查重，兼顾时间与空间效率，代码简洁、逻辑清晰，适配所有边界场景。
掌握本题滑动窗口思想后，可快速举一反三，解决同类字符串子串、子数组问题，是面试手撕算法的高频考点，务必熟练掌握写法与核心逻辑。
原创算法题解，禁止转载～
如果对你有帮助，欢迎👍点赞、⭐收藏、💬评论交流，需要其他LeetCode题解也可以留言哦！