【C++】字符串的 hash 值计算

  C++ 11 中新加入的容器 unordered_map 和 unordered_set 底层都是哈希表实现的，那么对于内置类型，肯定是可以自动计算出 hash 值的，但是对于像 pair<int, int> 或者 vector<int> 这样的，或者自定义的类这种复杂类型，就不能自动算出 hash 值了，编译会提示 The C++ Standard doesn’t provide a hash for this type。那么就需要自己去定义 hash function 了，自定义 hash 函数可以参考 https://blog.csdn.net/Bob__yuan/article/details/96737222，这里不讨论这个问题。
  本文学习并记录一下 C++ 中 string 的 hash 计算方式。首先我们定义一个 unordered_map 如 unordered_set<string> hs;，然后跳到 unordered_map 的定义，可以看到模板参数中第二个参数就是 hash 函数，默认使用 hash<_Kty>。

  然后再跳到 hash<_Kty> 的定义，如下，有一个模板实现，以及一些模板特化，但是没有针对 string 的特化。

  随着C++发展，这部分代码肯定会变，就像上文链接中我是用vs2015里边写的，hash 的结构定义就和上边这个截图（vs2017中）不一样。不过意思都是差不多的。
  跳到 _Hash_representation 中发现有跳到了别的函数 _Fnv1a_append_value。

  再跳过去，这里有提示 "Only trivial types can be directly hashed."。

  再跳到 _Fnv1a_append_bytes。

  就是这里了!! 这里的返回值就是 hash 值，这个函数也很简单，就是从前到后遍历这个传入的参数，对每一位，先转换为 size_t，然后和 _Val 进行异或（注意 _Val 传入就是 _FNV_offset_basis），然后 _Val *= _FNV_prime;。也就是传入的是 string 的话，对每个字符，转换成 size_t（应该就是 ascii 码），异或，乘一个常量，循环。 重点就是下边这两句：

	_Val ^= static_cast<size_t>(_First[_Idx]);
	_Val *= _FNV_prime;

下面我们验证一下。

#include <iostream>
#include <string>
using namespace std;

constexpr size_t tmp_FNV_offset_basis = 2166136261U;
constexpr size_t tmp_FNV_prime = 16777619U;

int main(){
	// 输出 hash 函数计算出的 hash 值
	cout << "hash<string>()(\'a\') = " << hash<char>()('a') << endl;		// 3826002220
	cout << "hash<string>()(\"a\") = "   << hash<string>()("a")   << endl;	// 3826002220
	cout << "hash<string>()(\"abc\") = " << hash<string>()("abc") << endl;	// 440920331

	// 手动计算 'a' 的 hash 值
	size_t val1 = tmp_FNV_offset_basis;
	val1 ^= static_cast<size_t>('a');
	val1 *= tmp_FNV_prime;
	cout << "val1 = " << val1 << endl;

	// 手动计算 'abc' 的 hash 值
	string str = "abc";
	size_t val2 = tmp_FNV_offset_basis;
	for(int i = 0; i < str.length(); ++i) {
		val2 ^= static_cast<size_t>(str[i]);
		val2 *= tmp_FNV_prime;
	}
	cout << "val2 = " << val2 << endl;
}

  结果如下：

hash()(‘a’) = 3826002220
hash()(“a”) = 3826002220
hash()(“abc”) = 440920331
val1 = 3826002220
val2 = 440920331

  说明 string 的 hash 值确实是这么计算的，字符也是这么处理，就相当于是长度为 1 的字符串。

  不过《STL源码剖析》里讲，SGI STL 中，string 是按照如下方式计算的：

// 以下定义于 <stl_hash_fun.h>
template <class Key> struct hash { };
inline size_t __stl_hash_string(const char* s)
{
	unsigned long h = 0;
	for ( ; *s; ++s)
		h = 5 * h + *s;
	return size_t(h);
}