我最近在海湾地区（美国加利福尼亚州）与一家公司进行了面谈。其中一个问题是简单地找出一个字符串是否有重复的字符（我简化了一个冗长的问题）。
eg: input : "qwerrty" output : True
我用python编写代码。
我给出了一个解决方案，它使用一个集来跟踪迭代过程中遇到的元素。
然而，采访者希望我使用跟踪遇到的字符的数组[255]。
虽然我很乐意使用其中任何一个，但我的意见是使用一个集合只是因为我们在使用数组时浪费了255个字符空间。这是因为（我们都知道）最初我们创建一个arr [255] = 0，所有元素都为零，然后将ASCII等效索引值增加1。
另一方面，一个集合只会在访问过的元素上花费内存。
由于他（有点）争论在一组中使用数组，我很想知道他是否在技术上是正确的。在这种情况下，数组是否优先于集合/映射？如果是这样，为什么？
答案 0 :(得分：3)
关于这个问题需要注意的一点是，如果字符串中只有C个可能的不同字符，那么对于长度为C + 1或更大的任何字符串，您可以自动返回存在重复的字符看着这个字符串，因为它们有太多的字符都是独一无二的（这就是工作中的鸽子原理）。这对于思考这个特定问题的结构很重要。
接下来，请注意，您甚至不需要一堆计数器。你可以在每个角色中获得一位，因为你只需要知道在迭代数组时你是否从未见过一个字符（0）或者在（1）之前看过它。这意味着每个角色需要一位。如果您的字大小为W，这意味着您需要基于阵列的解决方案的大致C / W存储空间的总机器字。
让我们假设您在具有32位字长（W = 32）的机器上使用C = 256（例如，每个字符是一个字节的值） 。这意味着你需要8个机器字来存储位数组，这是一个可以忽略不计的存储空间，可以很容易地初始化为0.现在，考虑一下你的set实现。如果使用哈希表，将会有某种内部数组用于存储所有内容。您还需要空间来存储有关散列函数的信息，通常您可以在某处缓存集合的大小。这只是因为大小和哈希函数信息会占用三个机器字的东西，这会留下五个字的空间。如果哈希表是一般性地实现的，并且每个条目都使用一个机器字，那么如果你有一个四个或更少的哈希表，你的方法只能节省空间，这是不太可能发生的。如果你的哈希表被优化并直接存储char值，那么你最多可以存储五个单词＆＃39;值得角色（20个字符）没有任何碰撞，但如果你试图保持低负荷系数，你可能会在看到10个左右的字符后重新调整表格大小。简而言之，除非你有一个非常短字符串，否则哈希表方法可能会使用 more 内存，并且散列的开销会很高。阵列方法可能更快。
另一方面，假设您在字符串中存储了任意Unicode字符。现在，C = 1,114,112（谢谢，维基百科），即使是64位字大小，你也在谈论需要一个17,408个机器字的数组来存储每个可能字符一位。这是很多的存储空间，它需要一段时间来初始化它。现在，如果你输入的字符串是＆＃34;合理的＆＃34;而不是病态构造的，很可能你很早就会在字符串中找到一个重复的元素（如果字符串是完全随机的，那么生日悖论你只需要√（2C）个字符在您平均获得重复之前，所以构建哈希表可能需要更少的空间。如果字符串是病态构造的，以便每个字符都是唯一的，那么计算哈希函数的常量因子开销，哈希表调整大小等可能意味着你的方法将比基于数组的方法慢，但是这是一个不寻常的用例。
总结：
如果可能的字符数很少（想想ASCII），那么基于阵列的方法可能会更快，更节省内存。
如果可能的字符数很大（想想Unicode），基于数组的方法在合理的输入上可能会变慢并且内存效率会降低，但对于病理选择的输入可能比基于散列的方法。
现在，那说，你可以说，除非代码是在一个紧密的循环中运行，否则除了＆＃34;只需使用一个集合＆＃34;使代码难以阅读，从而最大限度地提高整体程序效率。出于这个原因，一个合理的答案是＆＃34;使用该集合，除非有理由不这样做，然后只有在数据支持的情况下才切换到基于数组的集合。＆＃34;
答案 1 :(得分：2)
我认为时间复杂性与空间复杂性分析是面试官寻找的实际答案。 在空间方面，两种情况都是O（N）。 时间方面，在集合中添加字符不是O（1），但在数组中的值中加1是O（1）。 所以一般来说，使用数组会消耗相同数量的内存，但时间会少得多。