滚动哈希：Karp-Rabin字符串匹配

应用：在大文本中寻找字符串

朴素的模式匹配思想

将模式s从文本t的开头位置匹配，不匹配则往后移一个位置，重新匹配，时间复杂度为$O(|s|\ast (|t|-|s|))$，约为$O(|s|\ast |t|)$.

滚动哈希

考虑模式s本次匹配的子串与下一次匹配的子串的区别，仅仅在于移除了它的头以及添加了一个尾，如果能有效利用这个特点来计算字符串的哈希值，使得中间部分不变时，哈希值的变化只与首尾的变化有关，那么计算下一次匹配的子串的哈希值时，只需要移除头部带来的影响以及增添尾部带来的影响即可，这些操作的时间复杂度都是$O(1)$的。
考虑数据结构r，它维护了一个字符串x，这个r有如下操作：

• r.append(c）:追加字符c到x的尾部
• r()：计算x的哈希值
• r.skip(c)：删除x的首字符。我们认为删除的首字符等于c，而不是说从x中删除字符c。

用rs表示维护s的数据结构，用rt表示维护文本t的数据结构。
首先，将s的每个字符添加到rs中：

for c in s: rs.append(c)

然后从t的开始位置0处，添加一个长度为$|s|$的子串：

for c in t[:len(s)]: rt.append(c)

现在，rs()就是s的滚动哈希值，rt()就是t的滚动哈希值。
然后就能开始匹配了：

if rs() == rt()：. . . 
# 如果相等，待会儿再说
# 否则继续匹配
for i in range(len(s), len(t)):
	rt.skip(t[i - len(s)])  # 删除首字符
	rt.append(t[i])
	if rs() == rt():
		# s可能匹配上了，因为存在哈希碰撞
		check whether s == t[i - len(s) + 1: i + 1]
		if equal: 
			found match
		else:
			发生的可能性 <= 1/|s|	

整个匹配的时间复杂度为$O(|s|+|t|+\#match\ast |s|)$
#match是哈希值相等的次数，每一次都要检查是否匹配上了，这只需要花费常数时间。
那么哈希函数到底用的是什么呢？
我们把字符串视为一个多位数，基数为字母表的大小，如果是ASCII，那么
$|\sum |=256$。添加、删除字符等价于一些四则运算，这些运算耗费常数时间。

示例

以力扣题库第28题为例进行算法实现。

class Solution {
public:
    int strStr(string s, string t) {
        if (t == "")
        	return 0;
        int len1 = s.length(), len2 = t.length();
        if (len1 < len2)
        	return -1;
        unsigned long long hash1 = 0, hash2 = 0, base = 26, m = 1, M = (1ULL << 53) - 1;
        for (int i = 1; i < len2; i++)
            m = (m * base) % M; //计算最高位的权重，即26的(len2 - 1)次幂
        for (int i = 0; i < len2; i++) {
            hash1 = (hash1 * base + t[i] - 'a') % M;  //模式串的哈希值
            hash2 = (hash2 * base + s[i] - 'a') % M;  //目标串的哈希值
        }
        for (int i = 0; i <= len1 - len2; i++) {
            if (hash1 == hash2 && s.substr(i, len2) == t) //短路原则，如果哈希值不相等则不会匹配
                return i;
            hash2 = (hash2 - (s[i] - 'a') * m + M) % M;
            hash2 = (hash2 * base + (s[i + len2] - 'a')) % M;
        }
        return -1;
    }
};