字符串哈希
理论基础
-
字符串哈希/字符串编码是什么？
字符串编码是一种常用的字符匹配方法。一般地，一个字符串 s 的编码值计算公式如下：
e n c o d e ( s ) = ∑ i = 0 ∣ s ∣ − 1 s [ i ] ∗ b a s e ∣ s ∣ − i − 1 encode(s)= \sum _{i=0}^{|s|-1}s[i]*base^{|s|-i-1} encode(s)=i=0∑∣s∣−1s[i]∗base∣s∣−i−1
下标从0开始， b a s e base base为选定的进制单位。例如，s 仅包含 26个小写字母，因此 b a s e base base可取一个大于 26 的数（如 b a s e = 31 base=31 base=31）。 -
其核心是将字符串看成一个 k 进制的整数，其中 k 是字符串中可能出现的字符种类，本题中字符串只包含小写字母，即 k = 26（也可以取比 k 大的整数，一般来说可以取一个质数，例如 29 或 31）。这样做的好处是绕开了字符串操作，将字符串看成整数进行比较，并可以在常数时间内将字符串加入哈希集合中。
-
什么时候两个字符串相同？
当两个字符串的长度相同并且编码值也相等时，这两个字符串相同
-
如何预处理出不同长度字符的编码表示？
-
对于以
s[i]结尾的前缀字符串s[0,i]，我们可以预处理出其编码值，记为h[i+1]。特别地， h [ 0 ] = 0 h[0]=0 h[0]=0。 -
可以得到以下递推关系
h [ i + 1 ] = h [ i ] ∗ b a s e + e n c o d e ( s [ i ] ) h[i+1]=h[i]*base+encode(s[i]) h[i+1]=h[i]∗base+encode(s[i]) -
根据前缀和的思想，可快速得到任一区间字符的编码表示：
e n c o d e ( s [ l , r ] ) = h [ r + 1 ] − h [ l ] ∗ b a s e r − l + 1 encode(s[l,r])= h[r+1]-h[l]*base^{r-l+1} encode(s[l,r])=h[r+1]−h[l]∗baser−l+1 -
为了加速运算， b a s e r − l + 1 base^{r-l+1} baser−l+1这一项可以预处理出一个表示base进制的次方数组
p
p [ i ] = b a s e i p[i]=base^i p[i]=basei
-
-
在实际编码中，当字符串的长度很长时，对应的哈希编码值也会很大，甚至会超出整数类型的范围。对此，一般的解决方法是对字符的编码值进行取模（MOD），使其保持在整数类型的范围之内。
-
哈希冲突：字符串哈希本身存在哈希冲突的可能，一般会在尝试131之后尝试使用13131 ，然后再尝试使用更大的质数。
-
base如何选择？
将字符串表示为一个 P 进制的数，P 是一个经验值，
P = 131 / 13331/ 131313不会出现哈希值冲突（概率很小，所以不考虑冲突）
相关题目
重复的DNA序列【LC187】
DNA序列 由一系列核苷酸组成，缩写为
'A','C','G'和'T'.。
- 例如，
"ACGAATTCCG"是一个 DNA序列 。在研究 DNA 时，识别 DNA 中的重复序列非常有用。
给定一个表示 DNA序列 的字符串
s，返回所有在 DNA 分子中出现不止一次的 长度为10的序列(子字符串)。你可以按 任意顺序 返回答案。
-
思路
计算每个长度为10的子字符串的字符串哈希编码值，当遇到相同的哈希编码值时，将该字符串放入结果集中
- 注意：不严谨，未判断长度是否相同
-
实现
-
字符串哈希的「构造 数组」和「计算哈希」的过程，不会溢出吗？
会溢出，溢出就会变为负数，当且仅当两个哈希值溢出程度与
Integer.MAX_VALUE呈**不同【相同？】**的倍数关系时，会产生错误结果（哈希冲突），此时考虑修改 或者采用表示范围更大的long来代替int。->不取余也是可以的- 溢出1->Integer.MIN_VALUE:-2147483648
class Solution { // private final static long MOD = 1000000007; public List<String> findRepeatedDnaSequences(String s) { int n = s.length(); int base = 7; int[] h = new int[n + 1]; int[] p = new int[n + 1]; p[0] = 1; Map<Integer, Integer> count = new HashMap<>(); List<String> res = new ArrayList<>(); for (int i = 1; i <= n; i++){ h[i] = h[i - 1] * base + s.charAt(i - 1); p[i] = p[i - 1] * base; } for (int i = 0; i <= n - 10; i++){ int code = hash(h, p, i, i + 10 - 1); int cnt = count.getOrDefault(code, 0); if (cnt == 1){ res.add(s.substring(i, i + 10)); } count.put(code, cnt + 1); } return res; } private int hash(int[] h, int[] p, int l, int r){ return h[r + 1] - h[l] * p[r - l + 1]; } }- 复杂度
- 时间复杂度： O ( n ) O(n) O(n)
- 空间复杂度： O ( n ) O(n) O(n)
-
-
三叶
class Solution { int N = (int)1e5+10, P = 131313; int[] h = new int[N], p = new int[N]; public List<String> findRepeatedDnaSequences(String s) { int n = s.length(); List<String> ans = new ArrayList<>(); p[0] = 1; for (int i = 1; i <= n; i++) { h[i] = h[i - 1] * P + s.charAt(i - 1); p[i] = p[i - 1] * P; } Map<Integer, Integer> map = new HashMap<>(); for (int i = 1; i + 10 - 1 <= n; i++) { int j = i + 10 - 1; int hash = h[j] - h[i - 1] * p[j - i + 1]; int cnt = map.getOrDefault(hash, 0); if (cnt == 1) ans.add(s.substring(i - 1, i + 10 - 1)); map.put(hash, cnt + 1); } return ans; } } 作者：宫水三叶 链接：https://leetcode.cn/problems/repeated-dna-sequences/solutions/1035708/gong-shui-san-xie-yi-ti-shuang-jie-hua-d-30pg/ 来源：力扣（LeetCode） 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
不同的循环子字符串【LC1316】
给你一个字符串
text，请你返回满足下述条件的 不同 非空子字符串的数目：
- 可以写成某个字符串与其自身相连接的形式（即，可以写为
a + a，其中a是某个字符串）。例如，
abcabc就是abc和它自身连接形成的。
暴力
-
思路：
暴力枚举每个子字符串，判断其后是否有相同字符串，如果有那么将字符串记录在哈希表中，最后返回哈希表的大小
-
实现
class Solution { public int distinctEchoSubstrings(String text) { int n = text.length(); Set<String> set = new HashSet<>(); for (int i = 0; i < n; i++){ for (int len = 1; 2 * len <= n - i; len++){ if (text.substring(i, i + len).equals(text.substring(i + len, i + 2 * len))){ set.add(text.substring(i, i + len)); } } } return set.size(); } }- 复杂度
- 时间复杂度： O ( n 3 ) O(n^3) O(n3)，双重循环 O ( n 2 ) O(n^2) O(n2)+字符串放入哈希表 O ( n ) O(n) O(n)
- 空间复杂度： O ( n 3 ) O(n^3) O(n3)，最坏情况
- 复杂度
字符串哈希
-
思路
通过字符串哈希将子字符串转化为long类型变量，降低放入哈希表的时间复杂度。
字符串哈希不再赘述，实现时只使用一个哈希表进行实现，未发生哈希冲突。保险起见可以使用n个哈希表实现
在「判断」这一步中，由于我们只对两个字符串进行比较，因此引入哈希冲突（在下方的注意事项中也有提及）的概率极小。然而在「去重」这一步中，最坏情况下字符串的数量为 O ( N 2 ) O(N^2) O(N2)，大量的字符串造成哈希冲突的概率极大。为了减少字符串的数量以降低冲突的概率，我们可以使用 N 个哈希集合，分别存放不同长度的字符串，即第 m 个哈希集合存放长度为 m + 1 的字符串的哈希值。这样每个哈希集合只对某一固定长度的字符串进行去重操作，并且其中最多只有 N 个字符串，冲突概率非常低。
作者：力扣官方题解
链接：https://leetcode.cn/problems/distinct-echo-substrings/solutions/101305/bu-tong-de-xun-huan-zi-zi-fu-chuan-by-leetcode-sol/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 -
实现
class Solution { private final static long MOD = 1000000007; public int distinctEchoSubstrings(String text) { int n = text.length(); int base = 31, res = 0; long[] h = new long[n + 1], p = new long[n + 1]; p[0] = 1L; for (int i = 1; i <= n; i++){ h[i] = (h[i - 1] * base + text.charAt(i - 1)) % MOD; p[i] = p[i - 1] * base % MOD; } Set<Long> seen = new HashSet<>(); for (int i = 0; i < n; i++){ for (int len = 1; 2 * len <= n - i; len++){ long hashLeft = hash(h, p, i, i + len - 1); if (!seen.contains(hashLeft) && hashLeft == hash(h, p, i + len, i + 2 * len - 1)){ res++; seen.add(hashLeft); } } } return res; } private long hash(long[] h, long[] p, int l, int r){ return (h[r + 1] - h[l] * p[r - l + 1] % MOD + MOD) % MOD; } }- 复杂度
- 时间复杂度： O ( n 2 ) O(n^2) O(n2)，双重循环 O ( n 2 ) O(n^2) O(n2)+字符串放入哈希表 O ( 1 ) O(1) O(1)
- 空间复杂度： O ( n ) O(n) O(n)
- 复杂度
最长重复子串【LC1044】
给你一个字符串
s，考虑其所有 重复子串 ：即s的（连续）子串，在s中出现 2 次或更多次。这些出现之间可能存在重叠。返回 任意一个 可能具有最长长度的重复子串。如果
s不含重复子串，那么答案为""。
字符串哈希【超时】
-
字符串太长啦
class Solution { long[] h, p; public String longestDupSubstring(String s) { int n = s.length(); this.h = new long[n + 1]; this.p = new long[n + 1]; p[0] = 1; int base = 1313131; Set<Long> set = new HashSet<>(); int l = -1, r = -2; for (int i = 1; i <= n; i++){ h[i] = h[i - 1] * base + s.charAt(i - 1); p[i] = p[i - 1] * base; } for (int i = 0; i < n; i++){ for (int j = i; j < n; j++){ long code = hash(i, j); if (set.contains(code) && j - i > r - l){ l = i; r = j; } set.add(code); } } return l == -1 ? "" : s.substring(l, r + 1); } private long hash(int l, int r){ return h[r + 1] - h[l] * p[r - l + 1]; } }- 复杂度
- 时间复杂度： O ( n 2 ) O(n^2) O(n2)，双重循环 O ( n 2 ) O(n^2) O(n2)+字符串放入哈希表 O ( 1 ) O(1) O(1)
- 空间复杂度： O ( n ) O(n) O(n)
- 复杂度
字符串哈希+二分答案
-
思路
-
二段性：题目要求得「能取得最大长度的任一方案」，首先以「最大长度」为分割点的数轴具有「二段性」：
-
小于等于最大长度方案均存在（考虑在最大长度方案上做删减）；
-
大于最大长度的方案不存在。
-
-
因此可以使用二分答案的方式优化：二分的范围为 [ 0 , n ] [0,n] [0,n]
-
check函数：枚举所有某一长度的所有字符串，求出其哈希编码，如果有重复值，那么记录答案，向右搜索；如果没有重复值，那么向左搜索
-
-
实现
class Solution { long[] h, p; public String longestDupSubstring(String s) { int P = 1313131, n = s.length(); h = new long[n + 10]; p = new long[n + 10]; p[0] = 1; for (int i = 0; i < n; i++) { p[i + 1] = p[i] * P; h[i + 1] = h[i] * P + s.charAt(i); } String ans = ""; int l = 0, r = n; while (l < r) { int mid = l + r + 1 >> 1; String t = check(s, mid); if (t.length() != 0) l = mid; else r = mid - 1; ans = t.length() > ans.length() ? t : ans; } return ans; } String check(String s, int len) { int n = s.length(); Set<Long> set = new HashSet<>(); for (int i = 1; i + len - 1 <= n; i++) { int j = i + len - 1; long cur = h[j] - h[i - 1] * p[j - i + 1]; if (set.contains(cur)) return s.substring(i - 1, j); set.add(cur); } return ""; } } 作者：宫水三叶 链接：https://leetcode.cn/problems/longest-duplicate-substring/solutions/1172474/gong-shui-san-xie-zi-fu-chuan-ha-xi-ying-hae9/ 来源：力扣（LeetCode） 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。- 复杂度
- 时间复杂度： O ( n l o g n ) O(nlogn) O(nlogn)，二分答案 O ( n l o g n ) O(nlogn) O(nlogn)+字符串放入哈希表 O ( 1 ) O(1) O(1)
- 空间复杂度： O ( n ) O(n) O(n)
- 复杂度
最长快乐前缀【LC1392】
「快乐前缀」 是在原字符串中既是 非空 前缀也是后缀（不包括原字符串自身）的字符串。
给你一个字符串
s，请你返回它的 最长快乐前缀。如果不存在满足题意的前缀，则返回一个空字符串""。
-
思路
将字符串使用字符串哈希算法进行编码，从大到小枚举长度判断前缀和后缀是否相同，如果相同直接返回该字符串
-
实现
class Solution { public String longestPrefix(String s) { // 暴力O(n2) // 字符串哈希O(n) int n = s.length(); long[] h = new long[n + 1]; long[] p = new long[n + 1]; int base = 13; p[0] = 1L; for (int i = 1; i <= n; i++){ h[i] = h[i - 1] * base + s.charAt(i - 1); p[i] = p[i - 1] * base; } for (int len = n - 1; len >= 1 ; len--){ if (code(h, p, 0, len - 1) == code(h, p, n - len, n - 1)){ return s.substring(0, len); } } return ""; } public long code(long[] h, long[] p, int l, int r){ return h[r + 1] - h[l] * p[r - l + 1]; } }- 复杂度
- 时间复杂度： O ( n ) \mathcal{O}(n) O(n)
- 空间复杂度： O ( n ) \mathcal{O}(n) O(n)
- 复杂度
相等行列对【LC2352】
给你一个下标从 0 开始、大小为
n x n的整数矩阵grid，返回满足Ri行和Cj列相等的行列对(Ri, Cj)的数目*。*如果行和列以相同的顺序包含相同的元素（即相等的数组），则认为二者是相等的。
映射+哈希表
-
思路
将每个数字映射为字符，那么可以将每行每列用字符串表示，然后求出每行对应的字符串及其出现次数，再求出每列对应的字符串，如果存在相同的行，那么累加行出现的次数
-
实现
class Solution { public int equalPairs(int[][] grid) { int n = grid.length; int res = 0; HashMap<String, Integer> map = new HashMap<>(); for (int i = 0; i < n; i++){ StringBuilder row = new StringBuilder(); for (int j = 0; j < n; j++){ row.append((char)('0' + grid[i][j])); } map.put(row.toString(), map.getOrDefault(row.toString(), 0) + 1); } for (int i = 0; i < n; i++){ StringBuilder col = new StringBuilder(); for (int j = 0; j < n; j++){ col.append((char)('0' + grid[j][i])); } res += map.getOrDefault(col.toString(), 0); } return res; } }- 复杂度
- 时间复杂度： O ( n 3 ) \mathcal{O}(n^3) O(n3)，双重循环 O ( n 2 ) O(n^2) O(n2)+字符串放入哈希表 O ( n ) O(n) O(n)
- 空间复杂度： O ( n 2 ) \mathcal{O}(n^2) O(n2)
- 复杂度
字符串哈希
-
思路
将每行每列使用字符串哈希算法进行编码，其他同上
grid[i][j]相当于某个字符的整数形式，所以1-11和11-1所代表的值是不同的
-
实现
class Solution { public int equalPairs(int[][] grid) { int n = grid.length; int base = 7; Map<Integer, Integer> map = new HashMap<>(); for (int i = 0; i < n; i++){ int h = 0; for (int j = 0; j < n; j++){ h = h * base + grid[i][j]; } map.put(h, map.getOrDefault(h, 0) + 1); } int res = 0; for (int i = 0; i < n; i++){ int h = 0; for (int j = 0; j < n; j++){ h = h * base + grid[j][i]; } res += map.getOrDefault(h, 0); } return res; } }
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
