本文针对 LeetCode 中等难度题目 438. 找到字符串中所有字母异位词，采用滑动窗口思路实现解题，附完整可运行Java代码、详细思路拆解、代码注释及复杂度分析，新手也能轻松理解，复制即可发布到CSDN。
题目链接：LeetCode 438. 找到字符串中所有字母异位词
一、题目描述（清晰易懂，贴合原题）
给定两个字符串 s 和 p，找到 s 中所有 p 的 异位词 的子串，返回这些子串的起始索引。不考虑答案输出的顺序。
核心定义：字母异位词指由相同字母按不同顺序组成的字符串（例如 "abc" 和 "cba"、"bac" 都是异位词）。
示例 1
输入: s = "cbaebabacd", p = "abc" 输出: [0,6] 解释: 起始索引等于 0 的子串是 "cba", 它是 "abc" 的异位词。 起始索引等于 6 的子串是 "bac", 它是 "abc" 的异位词。示例 2
输入: s = "abab", p = "ab" 输出: [0,1,2] 解释: 起始索引等于 0 的子串是 "ab", 它是 "ab" 的异位词。 起始索引等于 1 的子串是 "ba", 它是 "ab" 的异位词。 起始索引等于 2 的子串是 "ab", 它是 "ab" 的异位词。二、解题思路（滑动窗口核心逻辑）
本题核心是找到 s 中所有长度等于 p 的子串，且该子串与 p 是字母异位词。由于异位词的本质是「字符种类和数量完全相同，仅顺序不同」，因此可以借助「排序 + 滑动窗口」的思路解题，步骤如下：
边界判断：如果 s 的长度小于 p 的长度，直接返回空列表（不可能存在符合条件的子串）；
预处理 p：将 p 转换为字符数组并排序，排序后，所有异位词的排序结果都与 p 的排序结果一致（核心关键）；
初始化滑动窗口：窗口长度固定为 p 的长度（因为异位词长度必须与 p 一致），左指针 left 初始为 0，右指针 right 初始为 pLen - 1（窗口初始范围 [0, pLen-1]）；
滑动窗口遍历 s：
提取当前窗口的子串，转换为字符数组并排序；
比较当前窗口排序后的字符数组与 p 排序后的字符数组，若相等，则当前窗口是 p 的异位词，将左指针（子串起始索引）加入结果列表；
窗口滑动：左指针和右指针同时向右移动 1 位，保持窗口长度不变，继续遍历，直到右指针超出 s 的范围。
思路优势：逻辑简单、易于理解，无需复杂的数据结构，适合新手入门滑动窗口题型，代码可读性高。
三、完整解题代码（带详细注释，可直接运行）
代码采用 Java 编写，严格按照上述思路实现，注释清晰，可直接复制到 IDE 运行，也可直接提交到 LeetCode 通过所有测试用例。
import java.util.ArrayList; import java.util.Arrays; import java.util.List; public class Solution { public List<Integer> findAnagrams(String s, String p) { // 存放结果的列表，用于存储所有符合条件的子串起始索引 List<Integer> result = new ArrayList<>(); // 获取字符串 s 和 p 的长度，用于后续边界判断和窗口初始化 int sLen = s.length(); int pLen = p.length(); // 边界判断：如果 s 的长度小于 p 的长度，不可能存在异位词，直接返回空列表 if (sLen < pLen) { return result; } // 将 p 转换成字符数组，并进行排序 // 核心逻辑：异位词排序后结果完全一致，以此作为判断依据 char[] pArray = p.toCharArray(); Arrays.sort(pArray); // 排序后 pArray 例如 "abc" -> ['a','b','c'] // 初始化滑动窗口的左右指针 int left = 0; // 左指针，指向当前窗口的起始索引（即子串的起始索引） int right = pLen - 1; // 右指针，指向当前窗口的结束索引，窗口长度固定为 pLen // 当右指针没有超出 s 的范围时，继续滑动窗口遍历 while (right < sLen) { // 提取当前窗口的子串（substring 左闭右开，因此 right+1） String windowStr = s.substring(left, right + 1); // 将窗口子串转为字符数组，便于排序和比较 char[] windowArray = windowStr.toCharArray(); // 对窗口内的字符数组进行排序 Arrays.sort(windowArray); // 比较排序后的窗口字符数组和排序后的 p 字符数组 // 若相等，说明当前窗口是 p 的异位词，将左指针（起始索引）加入结果列表 if (Arrays.equals(windowArray, pArray)) { result.add(left); } // 滑动窗口：左指针和右指针同时向右移动一位，保持窗口长度不变 left++; right++; } // 返回所有符合条件的子串起始索引 return result; } }四、代码测试验证（贴合示例，确保正确）
针对题目给出的两个示例，测试代码运行结果，确保与预期一致，验证代码正确性。
测试示例 1
输入：s = "cbaebabacd", p = "abc"
运行过程：
p 排序后为 ['a','b','c']，窗口长度为 3；
窗口 [0,2]（子串 "cba"），排序后为 ['a','b','c']，与 p 相等，加入 0；
依次滑动窗口，直到窗口 [6,8]（子串 "bac"），排序后为 ['a','b','c']，加入 6；
最终输出：[0,6]，与示例一致。
测试示例 2
输入：s = "abab", p = "ab"
运行过程：
p 排序后为 ['a','b']，窗口长度为 2；
窗口 [0,1]（子串 "ab"），排序后匹配，加入 0；
窗口 [1,2]（子串 "ba"），排序后匹配，加入 1；
窗口 [2,3]（子串 "ab"），排序后匹配，加入 2；
最终输出：[0,1,2]，与示例一致。
五、复杂度分析（面试高频考点）
分析代码的时间复杂度和空间复杂度，帮助理解算法效率，应对面试提问。
1. 时间复杂度
设 s 的长度为 n，p 的长度为 m。
预处理 p：将 p 转为字符数组并排序，时间复杂度为 O(m log m)；
滑动窗口遍历：窗口数量为 n - m + 1 个，每个窗口的子串排序时间为 O(m log m)；
总时间复杂度：O(m log m + (n - m + 1) * m log m) = O(n * m log m)。
说明：该复杂度适合中等难度题目要求，对于数据量不大的场景完全适用；若想优化时间复杂度，可采用「哈希表计数」替代排序，将时间复杂度优化为 O(n)，后续可补充优化思路。
2. 空间复杂度
O(m)：主要用于存储 p 的字符数组和窗口的字符数组，空间大小取决于 p 的长度 m；结果列表的空间不计入算法本身的空间复杂度（属于输出所需空间）。
六、注意事项（避坑指南）
边界处理：必须先判断 sLen < pLen 的情况，否则会出现数组越界或无效窗口；
substring 方法：Java 中 substring(left, right) 是左闭右开区间，因此提取窗口子串时，右边界需写 right + 1；
排序一致性：必须保证 p 和窗口子串的排序逻辑一致（均使用 Arrays.sort()），否则会出现匹配错误；
窗口滑动：左指针和右指针必须同时移动，保持窗口长度固定为 p 的长度，不可只移动一个指针。
七、总结
本题是滑动窗口的经典应用，核心利用「异位词排序后一致」的特性，将复杂的异位词判断转化为简单的数组比较，思路简洁、代码易实现，非常适合新手入门练习。
如果想进一步优化效率，可替换排序逻辑为「哈希表计数」：统计 p 中每个字符的出现次数，再用滑动窗口维护当前窗口的字符计数，通过比较计数是否一致来判断是否为异位词，可将时间复杂度优化至 O(n)，感兴趣的可以自行尝试实现。
本文代码可直接复制运行，提交 LeetCode 可通过所有测试用例，欢迎点赞、收藏，如有疑问或优化建议，可在评论区留言交流。
