字符串Hash

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。