难度: Medium
给你一个二进制数组 nums ，你需要从中删掉一个元素。
请你在删掉元素的结果数组中，返回最长的且只包含 1 的非空子数组的长度。
如果不存在这样的子数组，请返回 0 。
提示 1：
输入：nums = [1,1,0,1] 输出：3 解释：删掉位置 2 的数后，[1,1,1] 包含 3 个 1 。
示例 2：
输入：nums = [0,1,1,1,0,1,1,0,1] 输出：5 解释：删掉位置 4 的数字后，[0,1,1,1,1,1,0,1] 的最长全 1 子数组为 [1,1,1,1,1] 。
示例 3：
输入：nums = [1,1,1] 输出：2 解释：你必须要删除一个元素。
提示：
1 <= nums.length <= 105nums[i] 要么是 0 要么是 1 。运行时间: 44 ms
内存: 20.0 MB
class Solution:
def longestSubarray(self, nums: List[int]) -> int:
ans,l,r = 0,0,0
cnt = 0
n = len(nums)
if all(nums):
return n-1
if not any(nums):
return 0
while r < n:
if nums[r] == 0:
if cnt == 0:
cnt += 1
else:
ans = max(ans,r-l-1)
while nums[l] != 0:
l += 1
l += 1
r += 1
return max(ans,r-l-cnt)
这道题解采用了滑动窗口的策略来找出最长的全1子数组，即使其中包含一个0。算法维护了三个指针l（左边界）和r（右边界），以及cnt，用于记录窗口内0的个数。遍历数组时，当遇到0且cnt为0，cnt加1，表示窗口内可以包含一个0；如果再次遇到0，则需要调整左边界l，直到窗口内的0的数量减少到1。这通过将左边界移动到下一个0之后来实现。在每次右边界r移动时，都会尝试更新最大长度ans。特殊情况处理：如果数组全为1，则删除一个元素后的长度为n-1；如果数组全为0，则返回0。
时间复杂度: O(n)
空间复杂度: O(1)
class Solution:
def longestSubarray(self, nums: List[int]) -> int:
ans, l, r = 0, 0, 0 # 初始化答案，左右指针
cnt = 0 # 用于记录窗口内0的数量
n = len(nums) # 数组长度
if all(nums): # 如果数组全为1
return n-1 # 返回n-1
if not any(nums): # 如果数组全为0
return 0 # 返回0
while r < n: # 遍历数组
if nums[r] == 0: # 当遇到0
if cnt == 0: # 如果窗口内没有0
cnt += 1 # 增加0的数量
else: # 窗口内已有一个0
ans = max(ans, r - l - 1) # 更新最大长度
while nums[l] != 0: # 移动左指针直到遇到0
l += 1
l += 1 # 移过这个0
r += 1 # 移动右指针
return max(ans, r - l - cnt) # 最后一次更新最大长度
当数组中只有一个0时，滑动窗口的策略会在遇到这个0时将cnt设置为1，然后继续扩展右边界r直到数组末尾。因为只有一个0，左边界l不会移动直到遍历结束。算法最后在循环外通过表达式`max(ans, r - l - cnt)`来计算最长的全1子数组长度，其中`cnt`=1表示存在一个0，从而确保计算出正确的最长全1子数组长度。
在遍历结束后，需要再次更新最大长度来确保最后一个潜在的最长子数组被考虑。特别是如果最长的全1子数组在数组的末尾或包含数组末尾的部分，这种情况下，窗口的右边界r已经到达数组的末尾而左边界l可能还未更新，因此需要计算最后一次的子数组长度。公式中的`-cnt`是为了从长度中减去窗口内0的数量，因为我们需要计算的是全1的子数组长度。
提供特殊规则对于全为1或全为0的数组能够直接返回结果，大大提高了算法的效率，因为这避免了不必要的遍历和计算。这种预处理步骤可以快速处理边缘情况，使算法更加高效和直观。
滑动窗口的目的是维持窗口内最多一个0的条件。当窗口内已有一个0，再遇到新的0时，需要将左指针移动到第一个0之后，以确保窗口内只保留一个0。这样做可以简化逻辑，并确保每次只处理一个0的情况，避免复杂的多0处理。直接跳过多个0可能会错过有效的全1子数组，因为这些子数组可能包括部分被跳过的0之间的区间。