滑动窗口法通过left和right指针维护无重复字符的子串，用哈希表记录字符最后出现位置，left取max(left, last_occurrence[char] + 1)确保不回退，每次right移动后更新最大长度。
滑动窗口是解决“无重复字符的最长子串”这类问题最直观、高效的方法，核心在于用两个指针维护一个窗口，保证窗口内字符不重复，并动态调整窗口大小来寻找最长合法子串。
窗口如何定义和移动
用 left 和 right 两个指针表示窗口左右边界（闭区间），初始都指向字符串开头。right 向右扩展，每加入一个新字符 s[right]，检查它是否已在当前窗口中出现过。若已存在，就将 left 不断右移，直到窗口内不再包含该重复字符——这一步靠哈希表记录每个字符最近出现的位置，或用集合+逐个删除实现。
JavaStoryDevelop
下载
你接手一个需求时，是不是经常这样："改一个小字段 → 结果把不相关的代码也改了"、"需求说得很模糊 → 做着做着发现跑偏了"、"数据库加个字段 → 上线才发现漏了数据兼容"、"做了个新功能 → 一个月后自己都忘了当时怎么设计的"、"写到一半被中断 → 再回来不知道从哪继续"；这个 Skill 就是专门解决这些问题的。 它会自动探测你的项目环境（JDK、Spring Boot、ORM、数据库、前端框架），记在
- 推荐用 哈希表（如 Python 的 dict）记录字符最后一次出现的索引，这样 left 可直接跳到 max(left, last_occurrence[char] + 1)，避免逐个试探
- 每次 right 移动后，更新当前窗口长度 right − left + 1，并维护最大值
- 注意：left 不能往回退，所以要取 max，确保窗口始终合法且左边界单调不减
关键细节：何时更新 left
不是只要遇到重复就立刻移动 left，而是当 s[right] 在窗口内已存在时，才需收缩。判断依据是：s[right] 上次出现的位置 ≥ left。如果上次位置在窗口外（即
- 例如 s = "abba"，当 right=3（第二个 'a'），last['a']=0，而此时 left=2，0
- 但当 right=2（第二个 'b'），last['b']=1 ≥ left=0，于是 left = max(0, 1+1) = 2
代码结构与变量管理
需要三个核心变量：left（窗口左界）、max_len（结果）、char_index（记录字符最新下标）。遍历 right 从 0 到 len(s)-1，对每个 s[right]：
- 若 s[right] 已在 char_index 中且其位置 ≥ left，则更新 left
- 更新 char_index[s[right]] = right
- 计算当前长度 right − left + 1，更新 max_len
时间与空间复杂度
每个字符最多被访问两次（right 进一次，left 出一次），因此时间复杂度为 O(n)；哈希表最多存全部不同字符，空间复杂度为 O(min(m,n))，其中 m 是字符集大小（如 ASCII 是常数 128）。
