第27章 字符串哈希

每日一句

It’s no use going back to yesterday, because I was a different person then.
回顾昨天毫无用处，因为我已今非昔比

这是个好东西，值得学习一下。

Hash 的思想

这一节更多地涉及到数学方法，不喜的可以跳过。

哈希之所以广泛存在，是因为它能在绝大多数情况下可以在O(1)的时间复杂度中完成元素的查找。

Hash 的核心思想在于，将输入映射到一个值域较小、可以方便比较的范围。

注意：这个范围在不同情况下意义不同，注意理解。

介绍下面的几种情况

• 在哈希表中，值域需要小到能够接收线性的空间与时间复杂度

• 在字符串哈希中，值域需要小到能够快速比较（ $10^9、10^{1}8$ 都是可以快速比较的），同时为了降低哈希冲突率，值域也不能太小。

哈希碰撞

我们定义一个把字符串映射到整数的函数 $f
$，这个 f 称为是 Hash 函数。

我们希望这个函数 f 可以方便地帮我们判断两个字符串是否相等。

具体来说，哈希函数最重要的性质可以概括为下面两条：

1. 在 hash 函数值不一样的时候，两个字符串一定不一样

2. 在 Hash 函数值一样的时候，两个字符串不一定一样（但有概率一样，且我们当然希望它们总是一样的）

Hash 函数值一样时原字符串却不一样的现象我们称之为哈希碰撞。

Hash 函数定义

一般情况下，我们需要关注的是：时间复杂度和 Hash 的准确率。

常见的有下面的两种Hash函数的定义：

• 通常我们采用的是多项式 Hash 的方法，对于一个长度为 l 的字符串 s 来说，我们可以这样定义多项式 Hash 函数：$f(s)={\sum }_{i=1}^{l}s[i]\times b^{l-i}(\mathrm{m}\mathrm{o}\mathrm{d}M)$。例如，对于字符串 xyz，其哈希函数值为 $xb^2 + yb + z
  $。

• 也有很多人使用的是另一种 Hash 函数的定义，即 $f(s)={\sum }_{i=1}^{l}s[i]\times b^{i-1}(\mathrm{m}\mathrm{o}\mathrm{d}M)$,这种定义下，同样的字符串 $xyz
  $的哈希值就变为了 $x + yb + zb^2 $了。

显然，上面这两种哈希函数的定义都是可行的，但二者之后会讲到的计算子串哈希值所用的计算式是不同的，因此千万注意 不要弄混了这两种不同的 Hash 方式。

哈希碰撞概率

上面提到了两个Hash函数的定义，这里我们讲讲如何选择 M和计算哈希碰撞的概率。

这里M需要选择一个以（至少要比最大的字符要大），b可以任意选择。

我们用未知数 x 替代b，那么 f ( s ) f(s) <