字符串中的排列
原文英文，约700词，阅读约需3分钟。
📝
内容提要
给定两个字符串 s1 和 s2，判断 s2 是否包含 s1 的排列。使用滑动窗口和字符频率数组来解决。在 s2 上滑动一个与 s1 长度相同的窗口，检查窗口内子串的字符频率是否与 s1 匹配。若匹配则返回 true，否则返回 false。此方法时间复杂度为 O(n)，空间复杂度为 O(1)。
🔎
延伸解读
滑动窗口的优势
使用滑动窗口技术可以有效地解决字符串排列问题。通过在 s2 上滑动一个与 s1 长度相同的窗口，能够避免暴力破解带来的高时间复杂度。每次滑动只需更新两个字符的频率，确保了算法在处理大输入时的高效性。
字符频率的重要性
判断一个字符串是否为另一个字符串的排列，关键在于字符频率的匹配。s1 和 s2 中相同字符的出现次数必须一致。使用频率数组可以快速比较两个字符串的字符分布，避免了不必要的排列尝试。
时间与空间复杂度分析
该算法的时间复杂度为 O(n)，空间复杂度为 O(1)。这意味着即使在处理较长字符串时，算法也能保持高效。固定大小的频率数组（26个字母）使得空间使用保持在常量级别，适合大规模数据处理。
❓
Q&A
如何判断字符串 s2 是否包含字符串 s1 的排列？
可以通过滑动窗口和字符频率数组来判断，检查 s2 中与 s1 长度相同的窗口内的字符频率是否与 s1 匹配。
滑动窗口技术在这个算法中是如何应用的？
滑动窗口技术通过在 s2 上滑动一个与 s1 长度相同的窗口，逐步更新窗口内的字符频率并与 s1 的频率进行比较。
这个算法的时间复杂度和空间复杂度分别是多少？
时间复杂度为 O(n)，空间复杂度为 O(1)。
为什么不使用暴力破解方法来解决这个问题？
暴力破解方法会导致超时（TLE），因为需要尝试每个可能的子串排列，效率低下。
如何创建字符频率数组？
创建一个大小为 26 的数组，count1 用于 s1，count2 用于 s2 当前窗口，记录每个字符出现的次数。
如果 s2 中没有与 s1 的排列匹配的子串，会发生什么？
如果在滑动整个 s2 后没有找到匹配的频率数组，则返回 false。
🏷️
