---
tags: ["LeetCode", "哈希表", "中等"]
create time: 2026-05-13 14:30
---

# 03-最长连续序列

## 题面

给定一个未排序的整数数组 `nums`，找出数字**连续**的最长序列（不要求序列元素在原数组中连续）的长度。

请你设计并实现时间复杂度为 **O(n)** 的算法解决此问题。

**示例 1：**

```
输入：nums = [100,4,200,1,3,2]
输出：4
解释：最长数字连续序列是 [1, 2, 3, 4]。它的长度为 4。
```

**示例 2：**

```
输入：nums = [0,3,7,2,5,8,4,6,0,1]
输出：9
解释：最长数字连续序列是 [0, 1, 2, 3, 4, 5, 6, 7, 8]。它的长度为 9。
```

**示例 3：**

```
输入：nums = [1,0,1,2]
输出：3
解释：最长数字连续序列是 [0, 1, 2]。它的长度为 3。
```

**约束：**

- `0 <= nums.length <= 10^5`
- `-10^9 <= nums[i] <= 10^9`

---

## 思路

> [!question] 💡 思考
> 排序可以做到 O(n) 扫描找答案，但排序本身是 O(n log n)，不符合要求。如何在无序数据中"瞬间判断"某个数是否存在？

### 方法一：排序后线性扫描 ⚠️（O(n log n)，不可取）

先排序再扫描的思路虽然直观，但违背了 O(n) 的限制条件，仅作为理解本题的阶梯。

### 方法二：哈希集合 + 只从起点展开 ⭐（O(n)）

核心洞察：**每个连续序列有且只有一个起点——即 `x-1` 不在数组中的那个 `x`**。

利用这个性质，我们可以只做一件事：当发现某个数是序列起点时，顺着往后数能走多远。非起点的数直接跳过，不会被重复计数。

#### 算法流程

```mermaid
flowchart TD
    A["将 nums 全部放入哈希集合 s"] --> B["遍历每个数 num"]
    B --> C{"num - 1 在 s 中?"}
    C -->|"是"| D["不是起点, 跳过"]
    C -->|"否"| E["从 num+1 开始, 不断 +1 检查是否在 s 中"]
    E --> F["记当前序列长度 len"]
    F --> G["ans = max(ans, len)"]
    D --> B
    G --> B
    B --> H["遍历结束"]
    H --> I["返回 ans"]
```

#### 为什么仍是 O(n)？

- **建集合**：O(n)
- **外层遍历**：n 次迭代
- **内层 while 展开**：每个元素最多被内层访问一次——因为只有它是起点时才会进入 while，而一旦某个数被 while 访问过，后续任何枚举到它时都必然有 `num-1` 也在集合中，不会再次展开。

两个循环加起来，每个元素的总访问次数是常数次，因此整体 O(n)。

以 `nums = [100, 4, 200, 1, 3, 2]` 为例：

| 枚举值 | `num-1` 存在? | 动作 | 连续长度 |
|--------|---------------|------|----------|
| 100 | 101 ❌ → 实际查 99 ❌ | 不是起点，跳过 | — |
| 4 | 3 ✅ | 不是起点，跳过 | — |
| 200 | 199 ❌ | **是起点！** 向后展开：200→201(不存在) | 1 |
| 1 | 0 ❌ | **是起点！** 向后展开：1→2→3→4(5不存在) | **4** |
| 3 | 2 ✅ | 不是起点，跳过 | — |
| 2 | 1 ✅ | 不是起点，跳过 | — |

最终答案：**4**

**关键细节：**

- Go 中用 `map[int]struct{}` 作为 set，`struct{}{}` 零内存开销
- 需要先处理空数组边界情况：`len(nums) == 0` 时返回 0
- 重复元素不影响正确性：集合天然去重，每个数值只保留一份

---

## 代码提示

```
// 伪代码模板
set = 将 nums 所有元素放入哈希集合
ans = 0

for each num in nums:
    if (num - 1) NOT in set:
        // num 是某个连续序列的起点
        current = num + 1
        len = 1
        while current in set:
            len++
            current++
        ans = max(ans, len)

return ans
```

Go 语言中使用 `struct{}` 构造哈希集合：

```go
s := make(map[int]struct{})
for _, v := range nums {
    s[v] = struct{}{}
}

// 判断 key 是否存在
if _, ok := s[key]; !ok {
    // key 不存在
}
```

---

## 技巧

> [!tip] 🔑 模式：只从起点展开
> 这是「集合去重 + 单侧展开」的经典手法。关键点在于理解每个连续段有唯一的左端点，这样能保证每条边（相邻整数对）只在一次展开中被遍历，从而证明总时间复杂度为 O(n)。

> [!note] 🐹 Go Set 的最佳实践
> - `map[T]struct{}` 比 `map[T]bool` 更省内存（`struct{}{}` 大小为 0）
> - 查找语法：`_, ok := m[k]`；删除语法：`delete(m, k)`
> - 不需要初始化 capacity，但如果已知去重后数量，可以 `make(map[int]struct{}, n)` 减少扩容

> [!info] 📊 复杂度分析
> - 时间：O(n)，建集合 O(n) + 外层遍历 O(n) + 内层展开均摊 O(1)（每个元素只被 while 访问一次）
> - 空间：O(n)，哈希集合存储去重后的所有元素

> [!danger] ⚠️ 常见陷阱
> - **漏掉空数组**：`nums = []` 应返回 0，而非 panic
> - **没有从起点展开**：如果不对 `num-1` 做判断，最坏情况下内层 while 会对每个元素都执行，退化为 O(n²)
> - **没去重**：如果直接用切片存而不先去重，重复元素会导致长度计算错误（如 `[1,1,2,2,3]` 答案应为 3 而非 5）

---

## 代码

```go
func longestConsecutive(nums []int) int {
	if len(nums) == 0 {
		return 0
	}

	// 构建哈希集合（自动去重）
	set := make(map[int]struct{})
	for _, v := range nums {
		set[v] = struct{}{}
	}

	ans := 0
	for _, num := range nums {
		// 只有 num-1 不在集合中时，num 才是连续序列的起点
		if _, ok := set[num-1]; !ok {
			current := num + 1
			length := 1
			for ; ; length++ {
				if _, ok := set[current]; !ok {
					break
				}
				current++
			}
			if length > ans {
				ans = length
			}
		}
	}

	return ans
}
```

> [!success] ✅ 运行验证
> 这是 LeetCode 第 128 题，Hard 难度但核心思想简洁。类似变体包括「缺失的第一个正数」（LC 41），两者都利用了哈希集合适配性不同的角度来解决。