重名剔除(Deduplicate)
描述
Epicure先生正在编撰一本美食百科全书。为此,他已从众多的同好者那里搜集到了一份冗长的美食提名清单。既然源自多人之手,其中自然不乏重复的提名,故必须予以筛除。Epicure先生因此登门求助,并认定此事对你而言不过是“一碟小菜”,相信你不会错过在美食界扬名立万的这一良机
输入
第1行为1个整数n,表示提名清单的长度。以下n行各为一项提名
输出
所有出现重复的提名(多次重复的仅输出一次),且以其在原清单中首次出现重复(即第二次出现)的位置为序
样例
输入
10
brioche
camembert
cappelletti
savarin
cheddar
cappelletti
tortellni
croissant
brioche
mapotoufu
输出
cappelletti
brioche
限制
1 < n < 6 * 10^5
提名均由小写字母组成,不含其它字符,且每项长度不超过40
时间:2 sec
空间:256 MB
提示
散列
分析
- 如何将字符串映射到槽位上?推荐的方法是把26个字母(题目是小写字母)当作27进制来计算得出散列码,以表示每一个字符串独一无二的数值,理论上60w个不重复的菜名是可以一一对应地放入60w个槽位的。然而遗憾的是40位长的字符串,如果以27进制来计算其值,势必大大超过长整型无符号数的表示范围。(来小小验证一下,41^{27} - 1 > 2^{5*27} - 1 > 2^{65} - 1)因此处理好冲突是关键。
- 根据散列码进行哈希映射,由于重点不在此,哈希函数就随便写啦,最简单的方式就是模散列表长度,hash(x) = x % MAXSLOTS即可。我们的重心放在处理冲突。MAXSLOTS的取值有讲究,下面来说。
- 采用双平方探测法可以完美解决冲突,在空间上我们仅需要60w个槽位,MAXSLOTS取模4余3的素数即可。(数学证明参见费马定理)不妨取600011。
- 码就完事儿。
流程
- 获取字符串(关键码),计算散列码,使用散列码计算哈希值。
- 尝试放入槽位。如果有冲突&&槽位关键码与当前串相同&&该关键码也未打印过,转3。如果有冲突&&关键码相同&&打印过,转1。如果有冲突&&关键码不同,转4。如果没有冲突,转5。
- 打印当前字符串,标记槽位为已打印。转1。
- 进行双平方试探,转2。
- 字符串放入槽位,标记为未打印,转1。
核心代码
unsigned int hashCode( struct hash_string s ){ // 计算字符串散列码的近似解法,左移5位是实验统计的结果
unsigned int h = 0;
for ( int n = strlen(s),i = 0; i < n; i++ ){
h = ( h << 5 ) | ( h >> 27 );
h += (unsigned int) s.name[i];
}
return h;
}
unsigned int hash( unsigned int x ){
return x % M;
}
伪代码
Input : str
des = calculate hash code of str
if slot[des] is empty:
put str in slot
else slot[des] is full:
probe slots:
if slot is full and the str has been printed:
retun
else if slot is full but the str has not been printed:
print the str
else if slot is full but not the str:
go on probe
else:
empty slot! put the str in
上榜了嘻嘻嘻