前端算法必备：双指针从入门到很熟练（快慢指针+相向指针+滑动窗口）
📑 目录
一、双指针是什么？
核心定义：用两个指针（索引） 遍历数据结构（数组/链表），通过指针的"移动规则"减少遍历次数，将时间复杂度从 O(n²) 优化到 O(n)。
简单说：不用嵌套循环遍历所有可能，而是用两个指针"协作"，一次遍历解决问题。
二、双指针的分类
双指针的核心是**"指针的移动规则"，不同规则对应不同场景。按照指针的移动方式和相对位置**，主要分为以下3大类：
| 分类 |
指针位置 |
移动方式 |
核心特点 |
典型问题 |
| 快慢指针 |
同一端出发 |
同向移动，速度不同 |
利用速度差制造相对位置 |
环检测、找中点、找倒数第k个 |
| 左右指针（相向指针） |
两端出发 |
相向移动（向中间靠拢） |
利用有序性缩小搜索范围 |
两数之和、回文判断、盛水容器 |
| 同向指针（滑动窗口） |
同一端出发 |
同向移动，维护窗口 |
利用单调性压缩遍历维度 |
无重复子串、最小子数组、子数组计数 |
💡 说明：Vue3 diff 四个指针是左右指针的进阶应用，会在"前端应用场景"部分作为实际案例介绍。
2.1 快慢指针（Fast & Slow Pointers）
快慢指针（Fast & Slow Pointers）本质是用两个步长不同的指针（如快指针走 2 步、慢指针走 1 步）遍历线性数据结构（链表 / 数组），核心解决「环检测、找中点、找倒数第 k 个元素」三类问题，优势是：空间复杂度从 O (n) 降到 O (1)，且无需额外容器（如哈希表）。
指针位置：两个指针从同一端（通常是开头） 出发
移动规则：快指针每次走2步，慢指针每次走1步（或其他"速度差"）
适用场景：链表/数组的"环形问题"、"找特定位置（中点 倒数k个点）"
核心原理：利用"速度差"制造"相对位置"——比如快指针先到终点，慢指针刚好在中间；或快指针追上慢指针，说明有环。
核心模板：
// 快慢指针通用模板
function fastSlowPointer(head: ListNode | null): boolean | ListNode | null {
let fast = head;
let slow = head;
// 关键：循环条件确保快指针可以安全移动
while (fast && fast.next) {
fast = fast.next.next; // 快指针走2步
slow = slow.next; // 慢指针走1步
// 根据具体问题判断
// 1. 环检测：if (fast === slow) return true;
// 2. 找中点：循环结束后 slow 就是中点
// 3. 找倒数第k个：先让 fast 走 k 步，再一起走
}
return false; // 或返回 slow（中点）
}
经典场景+模板+例题：
场景1：判断链表是否有环
题目描述： 141. 环形链表
给你一个链表的头节点 head，判断链表中是否有环。
如果链表中有某个节点，可以通过连续跟踪 next 指针再次到达，则链表中存在环。为了表示给定链表中的环，评测系统内部使用整数 pos 来表示链表尾连接到链表中的位置（索引从 0 开始）。注意：pos 不作为参数进行传递，仅仅是为了标识链表的实际情况。
如果链表中存在环，则返回 true。否则，返回 false。
示例 1：
输入：head = [3,2,0,-4], pos = 1
输出：true
解释：链表中有一个环，其尾部连接到第二个节点。
示例 2：
输入：head = [1,2], pos = 0
输出：true
解释：链表中有一个环，其尾部连接到第一个节点。
示例 3：
输入：head = [1], pos = -1
输出：false
解释：链表中没有环。
解题思路详解：
核心思想：快慢指针（Floyd 判圈算法）
使用两个指针，一个快指针每次移动两步，一个慢指针每次移动一步。如果链表中存在环，快指针最终会追上慢指针（相遇）；如果没有环，快指针会先到达链表末尾（null）。
为什么快慢指针能检测环？
-
无环情况：快指针会先到达链表末尾，循环结束，返回
false
-
有环情况：快指针和慢指针都会进入环内
- 假设慢指针进入环时，快指针已经在环内某个位置
- 由于快指针每次比慢指针多走一步，它们之间的距离会逐渐缩小
- 最终快指针会追上慢指针（相遇），证明有环
数学证明（为什么一定会相遇）：
假设：
- 环外长度为
a（从头节点到环入口的距离）
- 环长度为
b
- 慢指针进入环时，快指针在环内距离入口
c 的位置（0 ≤ c < b）
当慢指针进入环时：
- 慢指针位置：
a
- 快指针位置：
a + c
- 快慢指针距离：
c（快指针在慢指针前面 c 步）
由于快指针每次比慢指针多走 1 步，它们之间的距离每次减少 1：
- 第 1 次移动后：距离变为
c - 1
- 第 2 次移动后：距离变为
c - 2
- ...
- 第
c 次移动后：距离变为 0（相遇）
因此，最多经过 c 次移动（c < b），快慢指针一定会相遇。
代码实现：
function hasCycle(head: ListNode | null): boolean {
let fast = head,
slow = head;
// 快指针需要检查 fast 和 fast.next，避免空指针
while (fast && fast.next) {
fast = fast.next.next; // 快指针走2步
slow = slow.next; // 慢指针走1步
if (fast === slow) return true; // 相遇则有环
}
return false; // 快指针到达末尾，无环
}
关键点解析：
-
初始化：快慢指针都从头节点开始
-
循环条件：
fast && fast.next 确保快指针可以安全地移动两步
-
移动规则：快指针每次移动 2 步，慢指针每次移动 1 步
-
判断相遇：如果
fast === slow，说明两指针相遇，存在环
-
无环情况：快指针到达
null，循环结束，返回 false
时间复杂度： O(n)，其中 n 是链表中节点的数量
- 无环：快指针最多遍历 n 个节点
- 有环：快慢指针最多在环内相遇，时间复杂度仍为 O(n)
空间复杂度： O(1)，只使用了两个额外的指针
执行过程示例：
有环链表：1 -> 2 -> 3 -> 4 -> 5 -> 3 (5指向3，形成环)
初始：fast = 1, slow = 1
第1步：fast = 3, slow = 2
第2步：fast = 5, slow = 3
第3步：fast = 4, slow = 4 (相遇！返回 true)
场景2：找链表中间节点
题目描述： 876. 链表的中间结点
给你单链表的头结点 head，请你找出并返回链表的中间结点。
如果有两个中间结点，则返回第二个中间结点。
示例 1：
输入：head = [1,2,3,4,5]
输出：[3,4,5]
解释：链表只有一个中间结点，值为 3。
示例 2：
输入：head = [1,2,3,4,5,6]
输出：[4,5,6]
解释：该链表有两个中间结点，值分别为 3 和 4，返回第二个结点。
解题思路详解：
核心思想：快慢指针
使用两个指针，快指针每次移动两步，慢指针每次移动一步。当快指针到达链表末尾时，慢指针刚好在中间位置。
为什么慢指针在中间？
- 假设链表长度为
n
- 快指针移动了
n 步（到达末尾）
- 慢指针移动了
n/2 步（刚好在中间）
偶数个节点的情况：
- 如果有 6 个节点，快指针移动 6 步到末尾，慢指针移动 3 步
- 由于题目要求"两个中间结点返回第二个"，所以返回慢指针指向的节点是正确的
代码实现：
function middleNode(head: ListNode | null): ListNode | null {
let fast = head,
slow = head;
// 快指针每次走2步，慢指针每次走1步
while (fast && fast.next) {
fast = fast.next.next;
slow = slow.next;
}
return slow; // 慢指针在中间
}
关键点解析：
-
循环条件：
fast && fast.next 确保快指针可以安全地移动两步
-
移动规则：快指针移动 2 步，慢指针移动 1 步
-
返回结果：慢指针指向的节点就是中间节点
时间复杂度： O(n)，其中 n 是链表的节点数，需要遍历链表一次
空间复杂度： O(1)，只使用了两个额外的指针
执行过程示例：
链表：1 -> 2 -> 3 -> 4 -> 5
初始：fast = 1, slow = 1
第1步：fast = 3, slow = 2
第2步：fast = 5, slow = 3
fast.next = null，循环结束
返回 slow = 3（中间节点）
场景3：删除倒数第k个节点
题目描述： 19. 删除链表的倒数第 N 个结点
给你一个链表，删除链表的倒数第 n 个结点，并且返回链表的头结点。
示例 1：
输入：head = [1,2,3,4,5], n = 2
输出：[1,2,3,5]
示例 2：
输入：head = [1], n = 1
输出：[]
示例 3：
输入：head = [1,2], n = 1
输出：[1]
解题思路详解：
核心思想：快慢指针 + 虚拟头节点
-
快指针先走 n 步：让快指针领先慢指针 n 个位置
-
快慢指针同时移动：当快指针到达末尾时，慢指针刚好在倒数第 n+1 个节点
-
删除节点：将慢指针的下一个节点删除
为什么慢指针在倒数第 n+1 个节点？
- 假设链表长度为
L，要删除倒数第 n 个节点
- 快指针先走
n 步，此时快指针在正数第 n+1 个节点
- 快慢指针同时移动，当快指针到达末尾（第
L 个节点）时
- 慢指针移动了
L - n 步，位于第 L - n + 1 个节点
- 第
L - n + 1 个节点就是倒数第 n + 1 个节点（因为 L - (L - n + 1) + 1 = n + 1）
边界情况处理：
- 如果
fast 为 null（快指针先走 n 步后为空），说明要删除的是头节点
- 直接返回
head.next
代码实现：
function removeNthFromEnd(head: ListNode | null, n: number): ListNode | null {
let fast = head,
slow = head;
// 快指针先跑n步
for (let i = 0; i < n; i++) {
fast = fast!.next;
}
// 如果快指针为空，说明要删除的是头节点
if (!fast) return head!.next;
// 快慢指针一起跑，快指针到终点时，慢指针在倒数第n+1个节点
while (fast.next) {
fast = fast.next;
slow = slow!.next;
}
// 删除倒数第n个节点（slow.next）
slow!.next = slow!.next!.next;
return head;
}
关键点解析：
-
快指针先走 n 步：建立快慢指针之间的相对位置
-
边界检查：
if (!fast) 处理删除头节点的情况
-
循环条件：
fast.next 确保慢指针停在倒数第 n+1 个节点
-
删除操作：
slow.next = slow.next.next 跳过要删除的节点
时间复杂度： O(n)，其中 n 是链表的节点数，需要遍历链表一次
空间复杂度： O(1)，只使用了两个额外的指针
执行过程示例：
链表：1 -> 2 -> 3 -> 4 -> 5，删除倒数第 2 个节点（4）
初始：fast = 1, slow = 1
快指针先走2步：fast = 3, slow = 1
快慢指针一起移动：
第1步：fast = 4, slow = 2
第2步：fast = 5, slow = 3
fast.next = null，循环结束
slow = 3（倒数第3个节点），slow.next = 4（要删除的节点）
删除：slow.next = slow.next.next，即 3.next = 5
结果：1 -> 2 -> 3 -> 5
2.2 左右指针（相向指针，Left & Right Pointers）
🎯 交互演示：点击这里查看动态演示 - 通过交互式可视化，直观看到每一步剪掉的组合！
左右指针（Left & Right Pointers）本质是用两个指针从「数组 / 字符串的两端」向中间移动，核心解决「有序数组 / 字符串的双值匹配、区间收缩、回文判断、区间最值」四类问题，优势是：将暴力枚举的 O(n²) 时间复杂度降到 O(n)，且空间复杂度 O(1)。
指针位置：两个指针从两端（开头+结尾） 出发
移动规则：根据条件向中间移动（比如"左指针右移"或"右指针左移"）
适用场景：有序数组、回文、区间最值
核心原理：利用"两端向中间收缩"的方式，缩小搜索范围，避免遍历所有组合。
满足以下任一条件，直接用左右指针：数据结构是数组 / 字符串（可随机访问），且是「有序」的；问题涉及「两端向中间匹配」（如回文、两数之和）；问题涉及「区间收缩 / 滑动窗口」（如去重、子串 / 子数组）；要求「O (n) 时间 + O (1) 空间」，且无需处理「环」相关问题。
抖音上有个博主的视频 ，我觉得讲的很好，可以先看完，对相向有个可视化的认识，简单说，每次移动左指针和右指针，在脑海里，就会干掉了某一行或者某列表的组合，以此进行优化，本质是剪枝思想
核心模板：
// 左右指针通用模板
function leftRightPointer(arr: number[] | string, target: any): any {
let left = 0;
let right = arr.length - 1;
// 关键：循环条件确保两个指针不会相遇
while (left < right) {
// 根据具体问题判断
const sum = arr[left] + arr[right]; // 或比较 arr[left] 和 arr[right]
if (满足条件) {
// 找到答案或更新答案
return result;
} else if (需要增大) {
left++; // 左指针右移
} else {
right--; // 右指针左移
}
}
return result;
}
经典场景+模板+例题：
场景1：有序数组两数之和
题目描述： 167. 两数之和 II - 输入有序数组
给你一个下标从 1 开始的整数数组 numbers，该数组已按 非递减顺序排列，请你从数组中找出满足相加之和等于目标数 target 的两个数。如果设这两个数分别是 numbers[index1] 和 numbers[index2]，则 1 <= index1 < index2 <= numbers.length。
以长度为 2 的整数数组 [index1, index2] 的形式返回这两个整数的下标 index1 和 index2。
你可以假设每个输入 只对应唯一的答案，而且你 不可以 重复使用相同的元素。
示例 1：
输入：numbers = [2,7,11,15], target = 9
输出：[1,2]
解释：2 与 7 之和等于目标数 9 。因此 index1 = 1, index2 = 2 。返回 [1, 2] 。
示例 2：
输入：numbers = [2,3,4], target = 6
输出：[1,3]
解释：2 与 4 之和等于目标数 6 。因此 index1 = 1, index2 = 3 。返回 [1, 3] 。
示例 3：
输入：numbers = [-1,0], target = -1
输出：[1,2]
解释：-1 与 0 之和等于目标数 -1 。因此 index1 = 1, index2 = 2 。返回 [1, 2] 。
解题思路详解：
核心思想：左右指针向中间收缩
由于数组是有序的，可以利用这个特性：
- 如果两数之和小于目标值，说明需要更大的数，左指针右移
- 如果两数之和大于目标值，说明需要更小的数，右指针左移
- 如果两数之和等于目标值，找到答案
为什么这样移动指针是正确的？
💡 提示：想要更直观地理解剪枝过程？点击这里体验交互式演示，每一步都能看到被剪掉的组合！
这涉及到剪枝优化的核心思想。让我们用矩阵可视化来理解：
第一步：理解暴力枚举的搜索空间
暴力枚举需要检查所有可能的 (i, j) 组合，其中 i < j。这形成了一个矩阵：
所有可能的组合 (i, j)，其中 i < j：
j=0 1 2 3
i=0 - 01 02 03 ← 第0行
i=1 - - 12 13 ← 第1行
i=2 - - - 23 ← 第2行
i=3 - - - - ← 第3行（空）
总共有 N*(N-1)/2 = 4*3/2 = 6 个组合需要检查
时间复杂度：O(n²)
第二步：双指针的剪枝策略
假设当前 left = 0, right = 3，数组为 [2, 7, 11, 15]，target = 9。
情况1：sum < target（需要增大和）
当前状态：left=0, right=3
当前和：sum = 2 + 15 = 17 > 9（实际是 > target，但先看 < target 的情况）
假设 sum = 2 + 7 = 9 < target = 10（为了演示）：
矩阵中当前检查的位置：
j=0 1 2 3
i=0 - [01] 02 03 ← 当前检查 (0,1)
i=1 - - 12 13
i=2 - - - 23
剪枝逻辑：
如果 sum < target，那么：
- 对于固定的 left，所有 numbers[left] + numbers[j]（j < right）都 < target
- 因为数组有序，numbers[j] ≤ numbers[right]（j < right）
- 所以可以剪掉第 left 行的所有剩余组合
因此，可以剪掉第 left 行的剩余部分：
j=0 1 2 3
i=0 - [01] ✂️ ✂️ ← 剪掉整行！
i=1 - - 12 13
i=2 - - - 23
移动 left++，跳过第0行的所有剩余组合
情况2：sum > target（需要减小和）
当前状态：left=0, right=3
当前和：sum = 2 + 15 = 17 > 9
矩阵中当前检查的位置：
j=0 1 2 3
i=0 - 01 02 [03] ← 当前检查 (0,3)
i=1 - - 12 13
i=2 - - - 23
剪枝逻辑：
如果 sum > target，那么：
- 对于固定的 right，所有 numbers[i] + numbers[right]（i > left）都 > target
- 因为数组有序，numbers[i] ≥ numbers[left]（i > left）
- 所以可以剪掉第 right 列的所有剩余组合
因此，可以剪掉第 right 列的剩余部分：
j=0 1 2 3
i=0 - 01 02 [03]
i=1 - - 12 ✂️ ← 剪掉整列！
i=2 - - - ✂️ ← 剪掉整列！
移动 right--，跳过第3列的所有剩余组合
第三步：剪枝效果可视化
每次移动指针，都会剪掉整行或整列，大大减少搜索空间：
数组：[2, 7, 11, 15]，target = 9
初始：需要检查 6 个组合
第1步：left=0, right=3, sum=2+15=17 > 9
移动 right--，剪掉第3列（2个组合）
剩余：6 - 2 = 4 个组合
第2步：left=0, right=2, sum=2+11=13 > 9
移动 right--，剪掉第2列（1个组合）
剩余：4 - 1 = 3 个组合
第3步：left=0, right=1, sum=2+7=9 = 9
找到答案！
最终：只需要检查 O(n) 个组合，而不是 O(n²)
数学证明：
假设当前 sum = numbers[left] + numbers[right]：
-
如果 sum < target：
- 由于数组有序，
numbers[left] 是当前左区间的最小值
- 要增大和，只能让
left++（右移左指针）
- 如果右移右指针，和会变得更小，不符合要求
-
剪枝效果：可以剪掉第
left 行的所有剩余组合
-
如果 sum > target：
- 由于数组有序，
numbers[right] 是当前右区间的最大值
- 要减小和，只能让
right--（左移右指针）
- 如果左移左指针，和会变得更大，不符合要求
-
剪枝效果：可以剪掉第
right 列的所有剩余组合
代码实现：
function twoSum(numbers: number[], target: number): number[] {
let left = 0,
right = numbers.length - 1;
while (left < right) {
const sum = numbers[left] + numbers[right];
if (sum === target) {
// 题目要求下标从1开始
return [left + 1, right + 1];
} else if (sum < target) {
left++; // 太小，左指针右移（增大和）
} else {
right--; // 太大，右指针左移（减小和）
}
}
return []; // 未找到（题目保证有解，这里不会执行）
}
关键点解析：
-
循环条件：
left < right 确保两个指针不会相遇
-
移动规则：根据和与目标值的大小关系决定移动哪个指针
-
返回值：注意题目要求下标从 1 开始，所以返回
[left + 1, right + 1]
时间复杂度： O(n)，其中 n 是数组的长度，最多遍历数组一次
空间复杂度： O(1)，只使用了两个额外的指针
执行过程示例：
数组：[2, 7, 11, 15]，target = 9
初始：left = 0, right = 3
第1次：sum = 2 + 15 = 17 > 9，right--，right = 2
第2次：sum = 2 + 11 = 13 > 9，right--，right = 1
第3次：sum = 2 + 7 = 9 = 9，找到答案，返回 [1, 2]
场景2：盛最多水的容器
题目描述： 11. 盛最多水的容器
给定一个长度为 n 的整数数组 height。有 n 条垂线，第 i 条线的两个端点是 (i, 0) 和 (i, height[i])。
找出其中的两条线，使得它们与 x 轴共同构成的容器可以容纳最多的水。
返回容器可以储存的最大水量。
说明： 你不能倾斜容器。
示例 1：
输入：[1,8,6,2,5,4,8,3,7]
输出：49
解释：图中垂直线代表输入数组 [1,8,6,2,5,4,8,3,7]。在此情况下，容器能够容纳水（表示为蓝色部分）的最大值为 49。
示例 2：
输入：height = [1,1]
输出：1
解题思路详解：
核心思想：左右指针 + 贪心策略
容器的面积由两个因素决定：
-
宽度：
right - left（两指针之间的距离）
-
高度：
Math.min(height[left], height[right])（较矮的那条边）
贪心策略：移动较矮的边
为什么移动较矮的边？这涉及到剪枝优化的核心思想。
💡 提示：想要更直观地理解剪枝过程？点击这里体验交互式演示，选择"盛最多水的容器"问题，每一步都能看到被剪掉的组合！
让我们用矩阵可视化来理解：
第一步：理解暴力枚举的搜索空间
暴力枚举需要检查所有可能的 (i, j) 组合，其中 i < j。这形成了一个矩阵：
所有可能的组合 (i, j)，其中 i < j：
j=0 1 2 3 4 5 6 7 8
i=0 - 01 02 03 04 05 06 07 08 ← 第0行
i=1 - - 12 13 14 15 16 17 18 ← 第1行
i=2 - - - 23 24 25 26 27 28 ← 第2行
i=3 - - - - 34 35 36 37 38 ← 第3行
i=4 - - - - - 45 46 47 48 ← 第4行
i=5 - - - - - - 56 57 58 ← 第5行
i=6 - - - - - - - 67 68 ← 第6行
i=7 - - - - - - - - 78 ← 第7行
i=8 - - - - - - - - - ← 第8行（空）
总共有 N*(N-1)/2 = 9*8/2 = 36 个组合需要检查
时间复杂度：O(n²)
第二步：双指针的剪枝策略
假设当前 left = 1, right = 3，高度为 height[1] = 8, height[3] = 2。
情况1：height[left] < height[right]（当前：height[1] = 8 > height[3] = 2，不满足，但先看这个情况）
如果 height[left] < height[right]，比如 height[1] = 2, height[3] = 8：
当前状态：left=1, right=3
当前面积：S = (3-1) * min(2, 8) = 2 * 2 = 4
矩阵中当前检查的位置：
j=0 1 2 3 4 5 6 7 8
i=0 - 01 02 03 04 05 06 07 08
i=1 - - 12 [13] 14 15 16 17 18 ← 当前检查 (1,3)
i=2 - - - 23 24 25 26 27 28
i=3 - - - - 34 35 36 37 38
...
剪枝逻辑：
如果 height[left] < height[right]，那么：
- 所有 (left, left+1) ... (left, right-1) 的面积都 < (left, right)
- 因为宽度更小，高度受限于 height[left]（或更小）
因此，可以剪掉第 left 行的剩余部分：
j=0 1 2 3 4 5 6 7 8
i=0 - 01 02 03 04 05 06 07 08
i=1 - - 12 [13] ✂️ ✂️ ✂️ ✂️ ✂️ ✂️ ← 剪掉整行！
i=2 - - - 23 24 25 26 27 28
i=3 - - - - 34 35 36 37 38
...
移动 left++，跳过第1行的所有剩余组合
情况2：height[left] > height[right]（当前实际：height[1] = 8 > height[3] = 2）
当前状态：left=1, right=3
当前面积：S = (3-1) * min(8, 2) = 2 * 2 = 4
矩阵中当前检查的位置：
j=0 1 2 3 4 5 6 7 8
i=0 - 01 02 03 04 05 06 07 08
i=1 - - 12 [13] 14 15 16 17 18 ← 当前检查 (1,3)
i=2 - - - 23 24 25 26 27 28
i=3 - - - - 34 35 36 37 38
...
剪枝逻辑：
如果 height[left] > height[right]，那么：
- 所有 (left+1, right) ... (right-1, right) 的面积都 < (left, right)
- 因为宽度更小，高度受限于 height[right]（或更小）
因此，可以剪掉第 right 列的剩余部分：
j=0 1 2 3 4 5 6 7 8
i=0 - 01 02 03 04 05 06 07 08
i=1 - - 12 [13] 14 15 16 17 18
i=2 - - - ✂️ 24 25 26 27 28 ← 剪掉整列！
i=3 - - - ✂️ 34 35 36 37 38 ← 剪掉整列！
...
移动 right--，跳过第3列的所有剩余组合
第三步：剪枝效果可视化
每次移动指针，都会剪掉整行或整列，大大减少搜索空间：
初始：需要检查 36 个组合
第1步：left=0, right=8, height[0]=1 < height[8]=7
移动 left++，剪掉第0行（8个组合）
剩余：36 - 8 = 28 个组合
第2步：left=1, right=8, height[1]=8 > height[8]=7
移动 right--，剪掉第8列（7个组合）
剩余：28 - 7 = 21 个组合
第3步：left=1, right=7, height[1]=8 > height[7]=3
移动 right--，剪掉第7列（6个组合）
剩余：21 - 6 = 15 个组合
... 继续剪枝
最终：只需要检查 O(n) 个组合，而不是 O(n²)
数学证明：
假设当前左右指针指向的高度为 h[left] 和 h[right]，且 h[left] < h[right]：
- 当前面积：
S = (right - left) * h[left]
- 如果移动右指针（较高的边）：
- 新宽度：
right - left - 1（减小）
- 新高度：
≤ h[left]（受限于较矮的边）
- 新面积：
≤ (right - left - 1) * h[left] < S（一定更小）
-
剪枝效果：可以剪掉第
left 行的所有剩余组合 (left, left+1) 到 (left, right-1)
- 如果移动左指针（较矮的边）：
- 新宽度：
right - left - 1（减小）
- 新高度：可能
> h[left]（如果新的边更高）
- 新面积：可能更大
-
剪枝效果：可以剪掉第
right 列的所有剩余组合 (left+1, right) 到 (right-1, right)
因此，移动较矮的边是更优的选择，同时能剪掉整行或整列，实现 O(n) 时间复杂度。
💡 提示：想要更直观地理解剪枝过程？点击这里体验交互式演示，选择"盛最多水的容器"问题，每一步都能看到被剪掉的组合！
代码实现：
function maxArea(height: number[]): number {
let left = 0,
right = height.length - 1,
max = 0;
while (left < right) {
// 计算当前面积：宽度 * 较矮的边
const area = (right - left) * Math.min(height[left], height[right]);
max = Math.max(max, area);
// 移动较矮的边（贪心策略）
if (height[left] < height[right]) {
left++; // 左指针右移
} else {
right--; // 右指针左移
}
}
return max;
}
关键点解析：
-
面积计算：
(right - left) * Math.min(height[left], height[right])
-
移动策略：比较左右两边的高度，移动较矮的那一边
-
更新最大值：每次计算面积后，更新
max
时间复杂度： O(n)，其中 n 是数组的长度，需要遍历数组一次
空间复杂度： O(1)，只使用了两个额外的指针
执行过程示例：
数组：[1,8,6,2,5,4,8,3,7]
初始：left = 0, right = 8, max = 0
第1次：area = (8-0) * min(1,7) = 8 * 1 = 8，max = 8
height[0] < height[8]，left++，left = 1
第2次：area = (8-1) * min(8,7) = 7 * 7 = 49，max = 49
height[1] > height[8]，right--，right = 7
第3次：area = (7-1) * min(8,3) = 6 * 3 = 18，max = 49
height[1] > height[7]，right--，right = 6
...继续移动，最终返回 max = 49
场景3：验证回文串
题目描述： 125. 验证回文串
如果在将所有大写字符转换为小写字符、并移除所有非字母数字字符之后，短语正着读和反着读都一样。则可以认为该短语是一个 回文串。
字母和数字都属于字母数字字符。
给你一个字符串 s，如果它是 回文串，返回 true；否则，返回 false。
示例 1：
输入: s = "A man, a plan, a canal: Panama"
输出：true
解释："amanaplanacanalpanama" 是回文串。
示例 2：
输入：s = "race a car"
输出：false
解释："raceacar" 不是回文串。
示例 3：
输入：s = " "
输出：true
解释：s 是一个空字符串 "" 或者只包含空格，所以它是回文串。
解题思路详解：
核心思想：左右指针向中间收缩，逐字符比较
-
预处理：移除所有非字母数字字符，转换为小写
-
双指针比较：左右指针分别从两端向中间移动，逐字符比较
-
判断回文：如果所有字符都匹配，则是回文串
优化版本（不预处理，边遍历边处理）：
可以不用预处理，在遍历过程中跳过非字母数字字符，这样空间复杂度更优。
代码实现（预处理版本）：
function isPalindrome(s: string): boolean {
// 预处理：移除非字母数字字符，转换为小写
s = s.replace(/[^a-zA-Z0-9]/g, '').toLowerCase();
let left = 0,
right = s.length - 1;
while (left < right) {
if (s[left] !== s[right]) return false;
left++;
right--;
}
return true;
}
代码实现（优化版本，O(1) 空间）：
function isPalindrome(s: string): boolean {
let left = 0,
right = s.length - 1;
while (left < right) {
// 跳过非字母数字字符
while (left < right && !/[a-zA-Z0-9]/.test(s[left])) {
left++;
}
while (left < right && !/[a-zA-Z0-9]/.test(s[right])) {
right--;
}
// 比较字符（转换为小写）
if (s[left].toLowerCase() !== s[right].toLowerCase()) {
return false;
}
left++;
right--;
}
return true;
}
关键点解析：
-
预处理：使用正则表达式
/[^a-zA-Z0-9]/g 移除非字母数字字符
-
大小写处理：使用
toLowerCase() 统一转换为小写
-
循环条件：
left < right 确保两个指针不会相遇
-
字符比较：逐字符比较，发现不匹配立即返回
false
时间复杂度： O(n)，其中 n 是字符串的长度，需要遍历字符串一次
空间复杂度：
- 预处理版本：O(n)，需要创建新字符串
- 优化版本：O(1)，只使用了两个额外的指针
执行过程示例：
字符串："A man, a plan, a canal: Panama"
预处理后："amanaplanacanalpanama"
初始：left = 0, right = 20
第1次：s[0] = 'a', s[20] = 'a'，匹配，left++, right--
第2次：s[1] = 'm', s[19] = 'm'，匹配，left++, right--
...继续比较，所有字符都匹配
最终返回 true
2.3 同向指针（滑动窗口，Sliding Window）
指针位置：两个指针从同一端出发，同向移动
移动规则：维护一个"窗口"，根据条件动态调整窗口大小
适用场景：连续子数组/子串问题（固定长度或可变长度）
核心原理：利用窗口状态的单调性，通过扩窗和缩窗跳过无效区间，将 O(n²) 优化到 O(n)。
📖 详细内容：滑动窗口有独立的文档 滑动窗口详解，包含完整的原理、模板和例题。本文只介绍核心思想和与相向指针的相似性。
2.3.1 滑动窗口与相向指针的相似性：剪枝优化
核心相似点：滑动窗口和相向指针都通过移动指针来"干掉"某些组合，实现从 O(n²) 到 O(n) 的优化。
相向指针的剪枝（回顾）：
- 移动左指针 → 剪掉第
left 行的所有剩余组合
- 移动右指针 → 剪掉第
right 列的所有剩余组合
滑动窗口的剪枝（同样原理）：
以"无重复字符的最长子串"为例，字符串 s = "abcabcbb"：
第一步：理解暴力枚举的搜索空间
暴力枚举需要检查所有可能的 (i, j) 组合，其中 i ≤ j。这形成了一个矩阵：
所有可能的组合 (i, j)，其中 i ≤ j：
j=0 1 2 3 4 5 6 7
i=0 00 01 02 03 04 05 06 07 ← 第0行
i=1 - 11 12 13 14 15 16 17 ← 第1行
i=2 - - 22 23 24 25 26 27 ← 第2行
i=3 - - - 33 34 35 36 37 ← 第3行
i=4 - - - - 44 45 46 47 ← 第4行
i=5 - - - - - 55 56 57 ← 第5行
i=6 - - - - - - 66 67 ← 第6行
i=7 - - - - - - - 77 ← 第7行
总共有 N*(N+1)/2 = 8*9/2 = 36 个组合需要检查
时间复杂度：O(n²)
第二步：滑动窗口的剪枝策略
假设当前 left = 0, right = 3，窗口 [0,3] = "abca" 包含重复字符 'a'。
剪枝规则1：如果 (left, right) 存在重复字符，则 (left, right+1...end) 都存在重复字符
当前状态：left=0, right=3
当前窗口：[0,3] = "abca"（存在重复字符 'a'）
矩阵中当前检查的位置：
j=0 1 2 3 4 5 6 7
i=0 00 01 02 [03] 04 05 06 07 ← 当前检查 (0,3)
i=1 - 11 12 13 14 15 16 17
i=2 - - 22 23 24 25 26 27
...
剪枝逻辑：
如果 (left, right) 存在重复字符，那么：
- 所有 (left, right+1) ... (left, end) 都包含重复字符
- 因为窗口 [left, right+1] 包含窗口 [left, right]，必然也重复
因此，可以剪掉第 left 行的所有后续组合：
j=0 1 2 3 4 5 6 7
i=0 00 01 02 [03] ✂️ ✂️ ✂️ ✂️ ✂️ ← 剪掉整行！
i=1 - 11 12 13 14 15 16 17
i=2 - - 22 23 24 25 26 27
...
移动 left++，跳过第0行的所有剩余组合
剪枝规则2：如果 (left, right) 不存在重复字符，则 (left+1...right, right) 也不存在重复字符
当前状态：left=0, right=2
当前窗口：[0,2] = "abc"（不存在重复字符）
矩阵中当前检查的位置：
j=0 1 2 3 4 5 6 7
i=0 00 01 [02] 03 04 05 06 07 ← 当前检查 (0,2)
i=1 - 11 12 13 14 15 16 17
i=2 - - 22 23 24 25 26 27
...
剪枝逻辑：
如果 (left, right) 不存在重复字符，那么：
- 所有 (left+1, right) ... (right, right) 都不存在重复字符
- 因为窗口 [left+1, right] 是窗口 [left, right] 的子集
因此，可以继续扩展 right，探索更长的有效窗口
移动 right++，继续探索
第三步：剪枝效果可视化
每次移动指针，都会剪掉整行或整列，大大减少搜索空间：
字符串："abcabcbb"
初始：需要检查 36 个组合
第1步：left=0, right=0, 窗口="a"（无重复）
移动 right++，继续探索
剩余：36 个组合（未剪枝，但只检查了1个）
第2步：left=0, right=1, 窗口="ab"（无重复）
移动 right++，继续探索
剩余：36 个组合（未剪枝，但只检查了2个）
第3步：left=0, right=2, 窗口="abc"（无重复）
移动 right++，继续探索
剩余：36 个组合（未剪枝，但只检查了3个）
第4步：left=0, right=3, 窗口="abca"（有重复！）
移动 left++，剪掉第0行的所有剩余组合（4个组合）
剩余：36 - 4 = 32 个组合
第5步：left=1, right=3, 窗口="bca"（无重复）
移动 right++，继续探索
剩余：32 个组合（未剪枝，但只检查了5个）
... 继续剪枝
最终：只需要检查 O(n) 个组合，而不是 O(n²)
核心思想总结：
-
相向指针：通过比较两端值，移动指针剪掉整行或整列
-
滑动窗口：通过判断窗口状态，移动指针剪掉整行或整列
-
共同点：每次移动指针，都会"干掉"某些组合，避免无效计算
分类：根据窗口大小是否固定，可分为：
-
固定窗口：窗口大小固定，两个指针同时移动
-
可变窗口：窗口大小可变，根据条件动态调整（这才是真正的"滑动窗口"）
📖 详细内容：滑动窗口的完整原理、模板、例题和更多剪枝规则，请参考 滑动窗口详解
三、快速判断：什么时候用哪种双指针？
遇到问题时，按以下决策树快速判断：
问题类型判断
│
├─ 是否涉及"环"或"特定位置"（中点、倒数第k个）？
│ └─ ✅ 快慢指针
│ - 环形链表检测
│ - 找链表中间节点
│ - 删除倒数第k个节点
│
├─ 是否涉及"有序数组/字符串"的"两端匹配"？
│ └─ ✅ 左右指针
│ - 两数之和（有序数组）
│ - 回文串判断
│ - 盛水容器（区间最值）
│
└─ 是否涉及"连续子数组/子串"问题？
└─ ✅ 滑动窗口（同向指针）
- 固定窗口：窗口大小固定
- 可变窗口：窗口大小可变
- 详见 [滑动窗口详解](https://juejin.cn/post/7593731473489690687)
快速记忆口诀：
- 🔄 快慢指针：速度差，找位置（环、中点、倒数k）
- ↔️ 左右指针（相向指针）：两端向中间，有序数组/回文
- ➡️ 同向指针（滑动窗口）：同一端出发，同向移动，维护窗口
- 通过移动指针剪掉整行或整列，实现 O(n²) → O(n) 优化
- 详见 滑动窗口详解
四、双指针的学习技巧（必看）
-
先记"移动规则"：不同分类的核心是"指针怎么动"——快慢指针是"速度差"，左右指针是"向中间收缩"，滑动窗口是"同向移动维护窗口"
-
先刷"模板题"：每个分类先做2-3道简单题（比如先刷"环形链表"、"两数之和II"），熟练后再做变种
-
注意"边界条件"：比如链表的fast && fast.next（避免空指针）、数组的left < right（避免越界）
-
多总结"适用场景"：看到"环形"、"倒数第k"想快慢指针；看到"有序数组"、"回文"想左右指针；看到"连续子数组/子串"想滑动窗口
-
掌握核心模板：每个分类都有固定模板，先背模板再刷题，事半功倍
五、刷题清单：从基础到进阶
Day 1：快慢指针基础
Day 2：快慢指针进阶
Day 3：左右指针基础
Day 4：左右指针进阶
Day 5：固定窗口
Day 6：滑动窗口（进阶）
前端必刷题目（按难度和面试频次）
以下题目按难度和面试频次分类，建议优先刷高频题目：
⭐ 简单-高频（必刷）
面试出现频率：★★★★★ | 难度：简单
⭐⭐ 简单-中频（推荐）
面试出现频率：★★★☆☆ | 难度：简单
⭐⭐⭐ 中等-高频（必刷）
面试出现频率：★★★★★ | 难度：中等
⭐⭐⭐⭐ 中等-中频（推荐）
面试出现频率：★★★☆☆ | 难度：中等
⭐⭐⭐⭐⭐ 困难-高频（进阶）
面试出现频率：★★★★☆ | 难度：困难
放弃也行，我觉得
六、常见错误和避坑点
6.1 快慢指针常见错误
-
❌ 空指针检查缺失
// 错误：没有检查 fast.next
while (fast) {
fast = fast.next.next; // 可能报错：Cannot read property 'next' of null
}
// ✅ 正确：检查 fast 和 fast.next
while (fast && fast.next) {
fast = fast.next.next;
}
-
❌ 快慢指针初始化错误
// 错误：快慢指针从不同位置开始（某些场景需要，但大多数不需要）
let fast = head.next;
let slow = head;
// ✅ 正确：大多数情况从头节点开始
let fast = head;
let slow = head;
-
❌ 删除节点时未处理头节点
// 错误：删除倒数第n个节点时，如果删除的是头节点，会出错
function removeNthFromEnd(head, n) {
let fast = head,
slow = head;
for (let i = 0; i < n; i++) {
fast = fast.next;
}
// 如果 fast 为 null，说明要删除的是头节点，需要特殊处理
if (!fast) return head.next; // ✅ 必须检查
// ...
}
6.2 左右指针常见错误
-
❌ 循环条件错误
// 错误：使用 <= 可能导致越界或重复计算
while (left <= right) {
// 某些场景下，left === right 时不应该继续
}
// ✅ 正确：大多数情况使用 <
while (left < right) {
// ...
}
-
❌ 指针移动方向错误
// 错误：两数之和问题中，和太大时移动了左指针
if (sum > target) {
left++; // ❌ 错误：应该移动右指针
}
// ✅ 正确：和太大时移动右指针（减小和）
if (sum > target) {
right--; // ✅ 正确
}
-
❌ 边界情况未处理
// 错误：没有处理空数组或单元素数组
function twoSum(numbers, target) {
let left = 0,
right = numbers.length - 1;
// 如果 numbers.length === 0，right = -1，会出错
// ✅ 应该先检查边界
if (numbers.length === 0) return [];
}
6.3 固定窗口常见错误
-
❌ 窗口初始化错误
// 错误：没有先计算第一个窗口
for (let right = 0; right < nums.length; right++) {
sum += nums[right] - nums[right - k]; // right < k 时会出错
}
// ✅ 正确：先计算第一个窗口
let sum = 0;
for (let i = 0; i < k; i++) {
sum += nums[i];
}
let max = sum;
for (let right = k; right < nums.length; right++) {
sum += nums[right] - nums[right - k];
max = Math.max(max, sum);
}
-
❌ 窗口大小检查缺失
// 错误：没有检查 k 是否大于数组长度
function maxSubarraySum(nums, k) {
// 如果 k > nums.length，应该返回错误或特殊值
if (k > nums.length) return 0; // ✅ 应该检查
}
6.4 通用避坑点
-
边界条件处理：空数组、单元素、全相同元素、全负数等
-
索引越界：确保指针移动后不会越界
-
初始化值：根据问题类型选择合适的初始值（0、Infinity、-Infinity等）
-
循环条件：仔细考虑
while vs for，< vs <=
-
指针移动时机：确保在正确的时机移动指针
总结
双指针是数组/链表问题的"最优解工具"，掌握这3类分类+对应的模板，90%的双指针题都能解决。核心是理解"指针的移动规则"，然后根据问题特点选择合适的分类。
核心要点回顾
-
快慢指针：速度差，解决环检测、找中点、找倒数第k个问题
-
左右指针（相向指针）：两端向中间，通过移动指针剪掉整行或整列，解决有序数组匹配、回文、区间最值问题
-
同向指针（滑动窗口）：同一端出发，同向移动，通过移动指针剪掉整行或整列，解决连续子数组/子串问题（详见 滑动窗口详解）
学习路径建议
-
基础阶段：先掌握快慢指针和左右指针的3-5道模板题
-
进阶阶段：学习滑动窗口（详见 滑动窗口详解）
-
实战阶段：结合前端应用场景，解决实际问题
-
总结阶段：整理错题，总结避坑点，形成自己的模板库
相关资源
登录