当然，不使用集合，使用哈希表做也是可以的：这里的哈希表键值对是（字符，出现频数）
class Solution { public int lengthOfLongestSubstring(String s) { int left = 0; int right = 0; // 使用右边界来遍历数组 int result = 0; // 用来存放最长子串的长度 char c = 0; // 用来遍历字符串中每个字符 Map<Character, Integer> map = new HashMap<>(); // 前闭后开，滑动窗口 // 每次遍历都添加频度 // 如果不重复就加入哈希表，右边界前进，比较最大长度 // 如果重复，删除哈希表，左边界前进 while (right < s.length()) { // 使用右边界来遍历数组，后面再判断是否加入哈希表中 c = s.charAt(right); int count = map.getOrDefault(c, 0) + 1; if (count > 1) { // 重复，左边界前进，哈希表删除 map.put(s.charAt(left), map.get(s.charAt(left)) - 1); left++; } else { // 右边界前进，哈希表增加 map.put(c, count); right++; result = result > (right - left)? result : (right - left); } } return result; } }通过观察，我们能看出来。如果是最坏情况的话，我们每一个字符都可能会访问两次，left一次，right一次，时间复杂度达到了O(2N)，这是不可饶恕的。不理解的话看下图：
假设我们的字符串为“abcdc”，对于abc我们都访问了2次。
那如何来进一步优化呢？
其实我们可以定义字符到索引的映射，而不是简单通过一个集合来判断字符是否存在。这样的话，当我们找到重复的字符时，我们可以立即跳过该窗口，而不需要对之前的元素进行再次访问。
而这里的哈希表的键值对是（字符，字符出现的索引+1）
//java public class Solution { public static int lengthOfLongestSubstring(String s) { int n = s.length(), result = 0; Map<Character, Integer> map = new HashMap<>(); for (int right = 0, left = 0; right < n; right++) { if (map.containsKey(s.charAt(right))) { left = Math.max(map.get(s.charAt(right)), left); } result = Math.max(result, right - left + 1); map.put(s.charAt(right), right + 1); } return result; } }我的：
//java // 上面的哈希表记录的是（字符，频数） // 这里的哈希表记录的是（字符，出现索引+1） public class Solution { public static int lengthOfLongestSubstring(String s) { int n = s.length(), result = 0; Map<Character, Integer> map = new HashMap<>(); int left = 0; int right = 0; // 使用右边界来遍历数组 char c = 0; while (right < s.length()) { c = s.charAt(right); int count = map.getOrDefault(c, -1); // -1代表没有出现过 if (count == -1) { // 没有出现过 map.put(c, right + 1); right++; result = Math.max(result, right - left); } else { // 出现过 left = Math.max(count, left); // 这里需要着重注意，因为滑动窗口left只能前进，不能倒退回去，只能取最大的 map.put(c, right + 1); right++; result = Math.max(result, right - left); } } // for (int right = 0, left = 0; right < n; right++) { // if (map.containsKey(s.charAt(right))) { // left = Math.max(map.get(s.charAt(right)), left); // } // result = Math.max(result, right - left + 1); // map.put(s.charAt(right), right + 1); // } return result; } }修改之后，我们发现虽然时间复杂度有了一定提高，但是还是比较慢！如何更进一步的优化呢？我们可以使用一个256位的数组来替代hashmap，以进行优化。（因为ASCII码表里的字符总共有128个。ASCII码的长度是一个字节，8位，理论上可以表示256个字符，但是许多时候只谈128个。具体原因可以下去自行学习~）
//java class Solution { public int lengthOfLongestSubstring(String s) { int len = s.length(); int result = 0; int[] charIndex = new int[256]; for (int left = 0, right = 0; right < len; right++) { char c = s.charAt(right); left = Math.max(charIndex[c], left); result = Math.max(result, right - left + 1); charIndex[c] = right + 1; } return result; } }