題目描述：給定兩個字串 word1 和 word2，判斷它們是否「接近」。可以對字串執行以下兩種操作任意次：(1) 交換任意兩個字元的位置（anagram 操作）；(2) 將字串中所有出現的字元 x 替換成 y，同時將所有 y 替換成 x（雙向互換）。若能透過這些操作將 word1 變成 word2，則兩者「接近」。
解題思路：
關鍵在於理解這兩種操作的本質：
因此，兩個字串「接近」的充要條件為：
word1 和 word2 使用的字元種類必須完全一致。若 word1 含有 word2 沒有的字元，操作二無法憑空產生新字元，故永遠無法對齊。實作上，統計兩個字串的字元頻率後，比較：(a) 兩者的 key set 是否相等；(b) 將頻率 value 排序後是否相等。
時間複雜度：O(n + 26 log 26) = O(n) — 遍歷兩個字串各需 O(n) 建立頻率陣列；對大小固定為 26 的陣列排序為常數時間 O(26 log 26)。整體由字串長度 n 主導。
空間複雜度：O(1) — 只使用兩個大小固定為 26 的整數陣列，不隨輸入規模增長。
1. If len(word1) != len(word2), return false
2. Build frequency arrays freq1[26] and freq2[26]
a. For each char c in word1: freq1[c - 'a']++
b. For each char c in word2: freq2[c - 'a']++
3. Check character set equality
a. For i in 0..25:
- If (freq1[i] == 0) XOR (freq2[i] == 0): return false
4. Sort both frequency arrays
5. Return freq1 == freq2方法二：使用 unordered_map O(n)：以 unordered_map<char, int> 取代固定大小陣列儲存頻率，邏輯完全相同。優點是語意更清晰，缺點是 hash map 的常數因子較大，且對於只含小寫字母的問題而言，固定陣列更簡潔高效。
方法三：排序比較 O(n log n)：直接將兩個字串排序後比較是否相等，可驗證 anagram 條件（操作一），但無法單獨處理操作二。需搭配字元集合檢查才能完整判斷。此做法時間複雜度較高（O(n log n)），且邏輯較不直觀，不如頻率多重集合方法直接。