Hash,我们又称散列,指的是我们通过一个散列算法,把输入值变换成另一个输出值,通常来说,是变得更易于我们处理的一个值,输出值的值域通常小于输入值的值域,这个过程也叫映射。
在之前的学习中,我用的比较多的主要还是整数的映射,今天碰到一道字符串的题目,所以尝试了一下字符串映射的操作,特此记录。
题目:
输入一个N和M,其中中间以空格隔开,接下来是N个由三个小字字母组成的字符串和M个同样格式的字符串
每个字符串占一行,输出M个字符串的内容以及分别在前面N个字符串中出现的次数,中间以空格隔开,每个
输出占一行。
示例输入:
6 2
doc
txt
exe
doc
txt
txt
doc
txt
示例输出:
doc 1
txt 3
首先我们来想想,用一般的方法如何做?
既然需要查询M个字符串在前N个字符串中出现了多少次,那么我们直接双重循环即可实现,拿每一个字符串分别与前N个做比较,如果相同则累加次数,最终输出即可。不难算出,此算法的时间复杂度为O(N*M),当数据量小的时候,这也不失为一种好办法,毕竟简单易懂,但是如果数据量上来了,M和N达到了104 或者更多的时候,我想这可能就行不太通了。
我们分析一下这里的时间复杂度主要是什么操作贡献的:首先M个字符串要输出,那么外层循环M肯定少不了的(我们暂且不看输入的哈~),那么内层的N是不是有这个必要呢?我们找到了一个“doc”,累加了1;然后找到了一个“txt”,忽略它;找到“exe”,忽略;找到“doc”,累加…然后我们来找txt,找到“doc”,忽略;找到“txt”,累加…然后我们得出结论“txt”出现了3次。我们在找doc的时候,并没有为我们找txt提供任何帮助,导致我们在找txt又从第一个开始找,M个字符串,每一个都需要从第一个开始找,查询复杂度为O(N),最终时间复杂度为O(N*M)。
那我们有办法避免吗?有!既然外层M不能少,而内层主要是查询导致复杂度偏高的,那我们用Hash空间换时间降低查询的复杂度,查询的过程直接像查字典一样复杂度为O(1).
我们对数字用Hash函数的时候,通常是采取直接寻址法、除留余数法等等,而字符串怎么处理呢?字符串每个位的字符都是26个字母,有多个字符,当字符位数不够多时,我们可以把它当成一个26进制数字处理,而一个其它进制的数转成10进制是唯一的,且10进制可以直接作为下标(类似直接寻址法).
我们来计算一下3位的字符串需要的Hash表要多长:
((26*0+25)*26+25)*26+25 = 25*26*27+25 = 17575
emmmmm…勉强在接受范围内吧,好啦下面奉上本题采用字符串Hash的代码:
#include<stdio.h>
#define MAX 100
char str[MAX][4];
int table[25*26*27+26] = {0};//化成26进制处理 假设((26*0+25)*26+25)*26+25 = 25*26*27+25
int hash(char *s,int len);
int main(void)
{
int n,m;
char s[4];
//freopen("data.txt","r",stdin);
scanf("%d%d",&n,&m);
for(int i = 0;i < n;++i)
{
scanf("%s",s);//原始的n个不需要储存,只需要计算映射后的值并累加即可。
++table[hash(s,3)];
}
for(int i = 0;i < m;++i)
scanf("%s",str[i]);
for(int i = 0;i < m;++i)
{
printf("%s %d",str[i],table[hash(str[i],3)]);
if(i != m-1)
putchar('\n');
}
return 0;
}
int hash(char *s,int len)
{
int num = 0;
for(int i = 0;i < len;++i)
{
num = num*26 + (s[i] - 'a');//把对应的字符当成26进制数字来处理,化成10进制
}
return num;
}
接下来是朴素的代码:
#include<stdio.h>
#include<string.h>
#define MAX 200
char str[MAX][4];
int main(void)
{
int n,m;
char s[4];
//freopen("data.txt","r",stdin);
scanf("%d%d",&n,&m);
for(int i = 0;i < n;++i)
scanf("%s",str[i]);
for(int i = 0;i < m;++i)
scanf("%s",str[n+i]);
for(int i = n;i < n+m;++i)
{
int count = 0;
for(int j = 0;j < n;++j)
{
if(strcmp(str[i],str[j]) == 0)
++count;
}
printf("%s %d",str[i],count);
if(i != m-1)
putchar('\n');
}
return 0;
}
我用文件重定向方式去掉了输入的时间,分别看了一下两种方法的时间:
上面的是使用了Hash算法的,下面的是采用了朴素查找算法的,可以发现使用Hash算法速度略快,在字符串较多的时候效果应该更明显。