TsinghuaOj Programming Assignment #3.3 重名剔除(Deduplicate)

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

1. 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。
2. 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。
3. 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。
4. 码就完事儿。

流程

1. 获取字符串（关键码），计算散列码，使用散列码计算哈希值。
2. 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。
3. 打印当前字符串，标记槽位为已打印。转1。
4. 进行双平方试探，转2。
5. 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