企业官网建设流程全解析

一、题目原题重现

字母异位词分组是LeetCode哈希表应用的经典高频题，也是程序员面试必考算法题型，核心考察哈希表键值设计、字符串特征提取、分组逻辑实现，难度适中，非常适合巩固哈希表实战用法，夯实算法基础。

1.1 题目原文

给你一个字符串数组strs，请你将字母异位词组合在一起，可以按任意顺序返回结果列表。

字母异位词定义：由重新排列源单词的字母得到的新单词，且所有字母的出现次数完全相同（例如 “eat” 和 “tea” 互为字母异位词），两个单词可通过重排互相得到。

1.2 题目约束

• 数组长度范围：1 <= strs.length <= 10⁴

• 单个字符串长度：0 <= strs[i].length <= 100

• 字符串仅包含小写英文字母

1.3 示例演示

示例演示示例 1 输入: strs = ["eat", "tea", "tan", "ate", "nat", "bat"] 输出: [["bat"],["nat","tan"],["ate","eat","tea"]] 示例 2 输入: strs = [""] 输出: [[""]] 示例 3 输入: strs = ["a"] 输出: [["a"]]

二、解题思路全解析

2.1 核心问题拆解

解决字母异位词分组的核心关键：找到字母异位词的统一唯一特征标识，让同一组异位词拥有相同标识，不同组标识完全区分，再借助哈希表完成分组，这也是同类分组题型的通用解题逻辑。基于该核心，本题有两种主流解法，分别适配入门理解和最优答题场景。

2.2 解法一：排序法（直观基础解法）

核心思路

互为字母异位词的字符串，排序后得到的结果完全一致（例如 “eat” 和 “tea” 排序后均为 “aet”），利用这一特性，将排序后的字符串作为哈希表唯一键，实现分组存储。

1. 初始化Python字典作为哈希表，键为排序后的字符串，值为对应字母异位词列表

2. 遍历数组内每个字符串，对字符串排序并拼接，生成特征键

3. 将原字符串追加到哈希表对应键的列表中，键不存在则初始化空列表

4. 遍历完成后，将哈希表的值转为列表，即为最终分组结果

代码实现（Python）

解法一：排序法代码from typing import List class Solution: def groupAnagrams(self, strs: List[str]) -> List[List[str]]: # 哈希表：key=排序后字符串，value=对应字母异位词列表 anagram_map = {} for s in strs: # sorted返回字符列表，列表不可哈希，需用join拼接为字符串作为键 key = ''.join(sorted(s)) # 键不存在则初始化空列表，存在则直接追加当前字符串 if key not in anagram_map: anagram_map[key] = [] anagram_map[key].append(s) # 字典values为视图对象，强转列表后符合题目二维列表输出格式 return list(anagram_map.values()) # 本地测试验证 if __name__ == "__main__": sol = Solution() print(sol.groupAnagrams(["eat", "tea", "tan", "ate", "nat", "bat"])) print(sol.groupAnagrams([""])) print(sol.groupAnagrams(["a"]))

复杂度分析

• 时间复杂度：O ( n k log ⁡ k ) O(nk\log k)O(nklogk)，其中n nn为字符串数组长度，k kk为单个字符串的最大长度；对每个字符串执行排序的耗时为O ( k log ⁡ k ) O(k\log k)O(klogk)，共遍历n nn个字符串

• 空间复杂度：O ( n k ) O(nk)O(nk)，额外空间主要用于哈希表存储所有字符串字符，不计返回结果本身的空间开销，属于必要空间消耗

优缺点

• ✅ 优点：思路直观易懂，代码极简，无复杂逻辑，新手极易上手，适合理解核心分组逻辑

• ❌ 缺点：排序操作有额外耗时，处理超长字符串时效率偏低

2.3 解法二：字符计数法（最优解，面试首选）

核心思路

字母异位词的每个字符出现次数完全相同，利用这一本质特征，统计26个小写字母的出现次数，生成计数特征作为哈希表键，跳过排序步骤，时间复杂度优化至线性级别，是本题最优解法。

1. 每个字符串对应初始化长度为26的计数列表，对应a-z，初始值全0，索引从0开始依次对应a到z

2. 遍历字符串字符，通过ord()计算字符对应索引，统计每个字母出现次数

3. Python中列表不可哈希，无法直接作为字典键，需转换为元组作为哈希表唯一特征键

4. 按键分组存储，最后将哈希表值转为列表返回

代码实现（Python）

解法二：字符计数法（最优解）from typing import List class Solution: def groupAnagrams(self, strs: List[str]) -> List[List[str]]: # 哈希表：key=字符计数元组，value=字母异位词列表 anagram_map = {} for s in strs: # 初始化26位字母计数数组，索引0~25分别对应小写字母a~z count = [0] * 26 # 遍历字符，统计每个字母出现次数 for char in s: # 计算字符对应索引，从0开始计数，保证小写字母映射无偏差 idx = ord(char) - ord('a') count[idx] += 1 # 列表不可哈希，转为元组后作为字典键 key = tuple(count) # 键不存在则初始化，存在则追加 if key not in anagram_map: anagram_map[key] = [] anagram_map[key].append(s) return list(anagram_map.values()) # 进阶简化写法（可选，用defaultdict省去判空逻辑） # from collections import defaultdict # class Solution: # def groupAnagrams(self, strs: List[str]) -> List[List[str]]: # anagram_map = defaultdict(list) # for s in strs: # count = [0]*26 # for c in s: # count[ord(c)-ord('a')] +=1 # anagram_map[tuple(count)].append(s) # return list(anagram_map.values()) # 本地测试 if __name__ == "__main__": sol = Solution() print(sol.groupAnagrams(["eat", "tea", "tan", "ate", "nat", "bat"]))

执行过程演示（以 “eat” 为例，索引从0开始计数）

1. 初始化计数列表：[0,0,0,...,0]（共26个0，对应a-z）

2. 字符 ‘e’ 对应索引：ord('e')-ord('a')=4→count[4] += 1→[0,0,0,0,1,0,...0]

3. 字符 ‘a’ 对应索引：ord('a')-ord('a')=0→count[0] += 1→[1,0,0,0,1,0,...0]

4. 字符 ‘t’ 对应索引：ord('t')-ord('a')=19→count[19] += 1→[1,0,0,0,1,0,...,1,...0]

5. 转换为元组作为键，“tea” 和 “ate” 会生成完全相同的键，自动归为一组

复杂度分析

• 时间复杂度：O ( n k ) O(nk)O(nk)，仅需线性遍历数组所有字符，无排序等高耗时操作，遍历效率拉满

• 空间复杂度：O ( n k ) O(nk)O(nk)，额外开销来自哈希表存储和固定大小的计数数组，不计返回结果空间，消耗合理

优缺点

• ✅ 优点：时间最优，无排序开销，全场景适配，稳定性极强

• ✅ 优点：特征键唯一性拉满，完全规避排序潜在问题，面试首选

• ❌ 缺点：代码逻辑稍复杂，需理解字符编码与计数转换逻辑

三、核心注意事项与易错点

• 空字符串处理：空字符串无字符，计数列表全0，排序后为空串，可正常单独分组，无需额外判断

• 哈希键类型禁忌：Python列表不可作为字典键，计数列表必须转元组，排序后字符列表必须用join拼接为字符串，否则代码直接报错

• 字符索引计算：通过ord(char)-ord('a')映射0-25索引，严格对应小写字母，无索引越界风险

• 返回格式规范：字典values()为视图对象，必须用list()强转，才能得到题目要求的二维列表格式

四、两种解法性能对比

五、全文总结与思考延伸

5.1 全文总结

1. 本题核心考点：哈希表键值设计、字符串特征提取、分组算法实现，是哈希表实战的经典入门题型；

2. 排序法适合入门理解，代码简洁但时间复杂度偏高，适合小规模数据场景；

3. 字符计数法是本题最优解，通过空间换时间，时间复杂度优化至O(nk)，面试务必优先使用；

4. 同类分组题型均可借鉴该思路：提取统一特征作为键，借助哈希表实现高效分组，通用性极强。

5.2 思考延伸

• 通用场景适配：若字符串包含Unicode字符而非仅小写字母，排序法仍通用（直接按字符排序）；计数法可改用collections.Counter统计字符频次，再转为元组作为键。

• 代码进阶写法：Python中可使用defaultdict(list)省去键不存在的判空逻辑，简化代码，适合熟练后使用，基础学习阶段保留显式判断更易理解。

刷题延伸：吃透本题后，可练习 LeetCode 242.有效的字母异位词（基础前置题）、LeetCode 438.找到字符串中所有字母异位词（进阶题），巩固字符计数与哈希表用法。