优质博文：IT-BLOG-CN
一、题目
给定两个字符串s和t，编写一个函数来判断t是否是s的字母异位词。注意：若s和t中每个字符出现的次数都相同，则称s和t互为字母异位词。
示例 1:
输入: s = "anagram", t = "nagaram"
输出: true
示例 2:
输入: s = "rat", t = "car"
输出: false
1 <= s.length, t.length <= 5 * 104
s和t仅包含小写字母 :::
进阶: 如果输入字符串包含unicode字符怎么办？你能否调整你的解法来应对这种情况？
Unicode是为了解决传统字符编码的局限性而产生的方案，它为每个语言中的字符规定了一个唯一的二进制编码。而Unicode中可能存在一个字符对应多个字节的问题，为了让计算机知道多少字节表示一个字符，面向传输的编码方式的UTF−8和UTF−16也随之诞生逐渐广泛使用
二、代码
【1】哈希表： 我们用哈希表维护对应字符的频次即可。需要注意Unicode一个字符可能对应多个字节的问题，不同语言对于字符串读取处理的方式是不同的。
class Solution {public boolean isAnagram(String s, String t) {if (s == null || t == null || s.length() != t.length()) {return false;}// 思想：创建1个hashMap存储s的字符为key，value为字符的个数，最后遍历t，对value进行递减，如果小于0则为false;Map<Character,Integer> map = new HashMap();for (int i = 0; i < s.length(); i++) {map.put(s.charAt(i), map.getOrDefault(s.charAt(i), 0) + 1);}for (int i = 0; i < t.length(); i++) {int count = map.getOrDefault(t.charAt(i), 0) - 1;if (count < 0) {return false;}map.put(t.charAt(i), count);}return true;}
}
时间复杂度： O(n)其中n为s的长度。
空间复杂度： O(S)其中S为字符集大小，此处S=26。
【2】一维数组： 如果不考虑Unicode时，字符串只包含26个小写字母，因此我们可以维护一个长度为26的一维数组table，先遍历记录字符串s中字符出现的频次，然后遍历字符串t，减去table中对应的频次，如果出现table[i]<0，则说明t包含一个不在s中的额外字符，返回false即可。
class Solution {public boolean isAnagram(String s, String t) {if (s == null || t == null || s.length() != t.length()) {return false;}// 维护一个长度为26的一维数组，并将s字符维护进去int[] arr = new int[26];for (int i = 0; i < s.length(); i++) {arr[s.charAt(i) - 'a']++;}// 遍历t字符串，进行count--for (int i = 0; i < t.length(); i++) {arr[t.charAt(i) - 'a']--;if (arr[t.charAt(i) - 'a'] < 0) {return false;}}return true;}
}
时间复杂度： O(n)其中n为s的长度。
空间复杂度： O(S)其中S为字符集大小，此处S=26。
【3】字符排序： t是s的异位词等价于「两个字符串排序后相等」。因此我们可以对字符串s和t分别排序，看排序后的字符串是否相等即可判断。此外，如果s和t的长度不同，t必然不是s的异位词。
class Solution {public boolean isAnagram(String s, String t) {if (s == null || t == null || s.length() != t.length()) {return false;}// 投机法：对两个字符串排序后，判断是否相等char[] s1 = s.toCharArray();char[] t1 = t.toCharArray();// 排序Arrays.sort(s1);Arrays.sort(t1);// 判断是否相等return Arrays.equals(s1,t1);}
}
时间复杂度： O(nlogn)，其中n为s的长度。排序的时间复杂度为O(nlogn)，比较两个字符串是否相等时间复杂度为O(n)，因此总体时间复杂度为O(nlogn+n)=O(nlogn)。
空间复杂度： O(logn)。排序需要O(logn)的空间复杂度。注意，在某些语言（比如Java & JavaScript）中字符串是不可变的，因此我们需要额外的O(n)的空间来拷贝字符串。但是我们忽略这一复杂度分析，因为：这依赖于语言的细节；这取决于函数的设计方式，例如，可以将函数参数类型更改为char[]。
 | condition_varible、wait、notify_one、notify_all)
)
