stl map容器详解+哈希表+题目应用+题目拓展。

前言

重点在后面的哈希表，前面了解一下就行了。希望得到支持，（点赞收藏）

map容器介绍

定义

map是一种关联容器，用于存储一组键值对(key-value pairs)，其中每个键(key）都是唯一的。
map容器根据键来自动进行排序，并且可以通过键快速查找对应的值。
map容器使用红黑树(Red-Black Tree）数据结构来实现，具有较快的插入、删除和查找操作的时间复杂度0(logn)。
map的定义和结构如下:
    template <class Key, class T, class Compare = less<Key>,
    class Allocator = allocator<pair<const Key,T>>>
    class map;

Key:表示存储在map中的键(key）的类型。
T:表示存储在map中的值（value）的类型。
Key:表示存储在map中的键(key）的类型。·T:表示存储在map中的值（value）的类型。
Compare:表示用于比较键的函数对象的类型，默认为less，使用键类型的默认比较函数。
Allocator:表示用于分配内存的分配器类型，默认为allocator。

map分类：

map multimp(很少用）unordered-map(一般用到)（哈希表）表示无序的map

map的构造

1.map/multimap容器对象的默认构造
    map/multimap采用模板类实现，对象的默认构造形式:
    map<T1,T2> mapTT;

    multimap<T1,T2> multimapTT;

    如:map<int, char> mapA;

    map<string,float> mapB;

    //其中T1,T2还可以用各种指针类型或自定义类型
map头文件

 #include<map>

map的基本操作

map插入元素:

    mapA.insert();//往容器插入元素，返回
    1. 在map中插入元素的三种方式:make_pair(102,"aclive") 
        1. 通过pair ，mapa.insert(pair<int,string>(102,"aclive"));
        通过value_type的方式插入对象: mapStu.insert( map<int,string>:value_type(1,"小李"));
        最常用的：通过数组的方式插入值:mapStu[3] =“小刘";//这里不是指数组，返回的是键的值，用于查找和访问；（重点） 
       

2.map的基本操作函数（重点）

C++Maps 是一种关联式容器，包含“关键字/值”对
begin() 返回指向map头部的迭代器
clear(） 删除所有元素
count() 返回指定元素出现的次数
empty() 如果map为空则返回true
end() 返回指向map末尾的迭代器
equal_range() 返回特殊条目的迭代器对
erase() 删除一个元素
find() 查找一个元素//（重点）
get_allocator() 返回map的配置器
insert() 插入元素
key_comp() 返回比较元素key的函数
lower_bound() 返回键值>=给定元素的第一个位置
max_size() 返回可以容纳的最大元素个数
rbegin() 返回一个指向map尾部的逆向迭代器
rend() 返回一个指向map头部的逆向迭代器
size() 返回map中元素的个数
swap() 交换两个map
upper_bound() 返回键值>给定元素的第一个位置
value_comp() 返回比较元素value的函数

3. map中元素的查找：

find()函数返回一个迭代器指向键值为key的元素，如果没找到就返回指向map尾部的迭代器。

map<int ,string > mapa; 
au to l_it=mapa.find(112);//返回的是一个指针
if(l_it==mapa.end())
cout<<"we do not find112"<<endl;
elsecout<<"wo find112"<<endl;

map<string,string>m;

if(m[112]=="")

cout<<"we do not find112"<<endl;

4. map中元素的删除：

如果删除112；
map<int ,string> mapa;
 au tol_it =mapa.find(112);
if( l_it == maplive.end())
cout<<"we do not find112"<<endl;
else maplive.erase(l_it);//delete 112;

迭代器的使用
map<int, string>::iterator iter;  
  
    for(iter = mapStudent.begin(); iter != mapStudent.end(); iter++)  
  
        cout<<iter->first<<' '<<iter->second<<endl; 
        

题目（后面全是重点）

        

思路

我们需要知道一个思想，假如有两个的东西，无论做什么操作都会同时进行，如00&00000000&00，可以看到如果&存在那么后面的&肯定也会存在，对&++，后面的&也会++，哈希表就是基于这一个思想通过键-值对应的方式进行存储，键就是&，如果++，值就是1。那么这道题就可以用无须哈希表unorded_map，一个代键代表字符串，对每个相反字符串++。这里有点抽象可能需要理解一下。大家可以看成找相同的字符串一个道理，就如上面的例子，前面加了后面也会加，而我设定了一个ans将哈希表所有值都加起来，存在的++变为为1，不存在的为0，（这里哈希表自动清零），到遍历到它那里的时候刚好加上。

代码

class Solution {
public:
    int maximumNumberOfStringPairs(vector<string>& words) {
        unordered_map<string,int> indox;
        int ans=0;
        
        for(int i=0;i<words.size();i++)
        {
            ans+=indox[words[i]];
            reverse(words[i].begin(),words[i].end());
            indox[words[i]]++;
        }
        return ans;
    }
};

题目：进阶题

代码

思路

本题还是用的哈希表来解决，仔细看题会发现，我们只需要求最短的字符串长度，我们又可用操作任意次数，观察发现，当字符个数为单数的时候最后肯定会剩下一个，为双数的时候肯定会剩下两个。所有我们可用用哈希表统计字符个数，其实简单模拟也可以。比=毕竟只有26个字母，但是如果字符种类很多，或者是统计数字呢，显然不好处理。那么就要用到哈希表，他是一个可以实现映射关系的算法。如找到1-1000000000，中大于多少的数字等等。

拓展哈：希表的应用（一部分）还是得多练题

1. URL去重

问题描述：给定一个包含大量URL的列表，你需要找出并去除重复的URL。

解决方案：可以使用哈希表来解决这个问题。遍历URL列表，对于每个URL，将其作为键（Key）插入哈希表中。如果插入时发现键已存在（即哈希表中已经有了这个URL），则说明该URL是重复的，可以将其从列表中移除或标记为已处理。最终，哈希表中剩下的键（URL）就是不重复的。

2. 字符串中的字符频率

问题描述：给定一个字符串，计算并返回每个字符出现的频率。

解决方案：使用哈希表来记录每个字符及其出现的次数。遍历字符串中的每个字符，将其作为键（Key）插入哈希表，并将对应的值（Value）增加1（如果该字符第一次出现，则初始化为1）。遍历完成后，哈希表中就包含了每个字符及其出现次数的映射。

3. 实现一个简单的字典

问题描述：实现一个支持插入单词和查询单词是否存在的简单字典。

解决方案：使用哈希表来存储单词及其存在性（虽然在这个场景下，哈希表的值可以是布尔类型，但通常为了效率考虑，只需检查键是否存在即可）。插入单词时，将其作为键（Key）插入哈希表；查询单词时，检查该键是否存在于哈希表中。

4. 单词接龙

问题描述：给定两个单词（start和end）和一个单词列表，找出从start到end的所有可能转换序列，每次转换只能改变一个字母形成一个列表中存在的单词。

解决方案：虽然这个问题主要是一个图搜索问题（如广度优先搜索BFS），但哈希表可以在其中发挥重要作用。首先，可以将单词列表构建成一个哈希表，以便在搜索过程中快速检查某个变换后的单词是否存在于列表中。然后，从start单词开始，使用BFS进行搜索，每次变换一个字母并检查新单词是否在哈希表中，如果是，则继续搜索。

5. IP地址到地理位置的映射

问题描述：在一个系统中，需要将用户的IP地址映射到其地理位置（如国家、城市）。

解决方案：可以使用哈希表来存储IP地址到地理位置的映射关系。这通常涉及到从IP地址到地理位置信息的数据库查询，但查询结果可以被缓存到哈希表中，以便快速响应后续的相同查询。这样，当需要查找某个IP地址的地理位置时，可以直接从哈希表中获取，而无需再次进行数据库查询。