模拟实现哈希表超详解（C++）

今天也要写bug

已于 2023-03-21 07:24:34 修改

阅读量7.2k

点赞数 16

文章标签：散列表 c++ 数据结构

于 2022-05-15 16:46:28 首次发布

本文链接：https://blog.csdn.net/m0_67430750/article/details/124760647

版权

本文详细介绍了哈希表的概念，包括直接定址法、除留余数法，以及解决哈希冲突的闭散列（开放定址法）和开散列（拉链法）。重点讲解了闭散列的线性探测和二次探测，以及开散列的迭代器实现和平衡因子控制。最后，讨论了两种散列方法在空间消耗上的差异。

摘要由CSDN通过智能技术生成

在这里插入图片描述

😇 😇hello！我是bug。前面几期我们讲解了树的相关结构，今天我们就要进入哈希表的学习了：
（代码可能会有一点问题，请各位老铁指正 😘 😘 ）

一、哈希

🌵🌵在前面，我们学习了红黑树、AVL树的相关性质，他们增删查改的时间复杂度都是O（logN），这个效率已经是比较高的了。但是有没有一种数据结构，（不需要进行比较就可以直接增删查改）它进行增删查改的时间复杂度为O（1） 呢？下面我们就要介绍这种数据结构——哈希表。

🍉 1、什么是哈希？

🌵🌵哈希（Hash）：散列函数，其本质是映射。

🌻 🌻那么映射又是什么呢？如下图：（例如医院的挂号系统）
在这里插入图片描述
其中我们存入一对键值，通过序号我们就可以找到人员。而序号和姓名之间就是一种映射关系。（也就是KV模型）

🌵🌵 哈希表（HashTable）：是根据关键码值(Key value)而直接进行访问的数据结构。通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。
通过这种映射关系，那么我们就可以直接通过key值直接找的相应的数据，插入和删除数据时也可以直接根据key值进行插入删除，其时间复杂度就是O（1）。

🌵🌵作用：哈希表在增删查改上的效率都是十分优秀的，一般我们都是通过哈希表来快速查找数据是否出现在表中。

🌵🌵哈希冲突：在绝大多数情况下，我们都会面临一个问题，那就是如何使一个位置映射一个数据。当我们开辟一个数组时，我们是采用下标来进行映射的，即每一个下标都会映射数据。但是当多个数据都映射到同一个位置时，那么就产生了哈希冲突。对于哈希冲突我们是要尽量避免的，因为哈希冲突会降低我们增删查改的效率。（具体原因下面再介绍）

🌵🌵哈希表的K模型和KV模型：和前面的红黑树（AVL树）一样，所以哈希表也可以封装map和set。C++中的unordered_map和unordered_set的底层就是哈希表。

🌵🌵缺点：当我们要对大量数据进行操作时，要开辟大量的空间来存储数据。而且，散列函数的采用也是至关重要的（尽量避免哈希冲突），那么我们要采取哪种散列函数来进行映射呢？（下面进行介绍）

🍉 2、直接定址法

假设有这样一个数组，我们要将它存入哈希表中：

在这里插入图片描述

我们直接根据元素的实际大小进行插入。
在这里插入图片描述
如上图，即每一个下标都对应一个相应的数据，没有对应的数据就为空。

🍏 注意 ❗️ ❗️

🌳🌳 （1）开辟数组的时候，一定要知道数据的范围，并根据数据的范围开辟数组，如果数据的大小超过了数组的大小就会越界。
🌳🌳（2）采用直接定址法一定要数据比较集中，因为最大最小数据如果相差太大，那么浪费的空间也会很多。
🌳🌳（3）如果我们存储的是整型，那么不需要担心哈希冲突，因为每个数值都对应唯一的位置。

🌻 🌻但是，当我们存入的数据不是整型的时候我们就要考虑如何来进行映射？
🌻 🌻其实在大多数情况下，我们采用unordered_map和unordered_set存储的都是字符串，那我们如何将字符串和下标联系起来呢？

可能你会觉得字符都有对应的ASCII码，我们可以用字符的ASCII来进行对应。但是这种情况下就不可避免的会出现哈希冲突，因为只要我们不规定字符串的长度，那么字符串就是无穷无尽的，通过其ASCII来对应是一定会产生冲突的。（对于哈希冲突的解决我们下面再来进行详细的介绍）

🍉3、除留余数法（重点）

当一组数据中的最大和最小相差比较大时，就会浪费大量的空间。所以直接定址法就不再适用了，这时候我们就要采用除留余数法。

🌻 🌻什么是除留余数法呢？
假设有这样一个数组，如下图：
在这里插入图片描述
🌻 🌻如何通过除留余数法将数据存入哈希表中呢？

即我们将每一个数据对表的大小进行取模，取模过后数据就可以通过下标来映射相应的位置。

在这里插入图片描述
所以插入后数据如图：

除留余数法可以很好的避免空间大量的浪费，所以一般我们都采用除留余数法。当然，除留余数法也会产生哈希冲突。

除了直接定址法和除留余数法，我们还有其他的方法比如：平方取中法、折叠法、随机数法、数学分析法。（但是这些方法不常用，这里不做介绍）

🍏 注意❗️ ❗️

🌳🌳 哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突。

在这里插入图片描述
🍓 🍓 下面就是实现重点了，嘿嘿。

🍉4、解决哈希冲突

上面直接定址法和除留余数法都会产生哈希冲突的问题，下面我们就来解决：

🌱 闭散列

🌵🌵闭散列：也叫做开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把key存放到冲突位置中的“下一个” 空位置中去。那如何寻找下一个空位置呢？

🍄 （1）线性探测

🌵🌵线性探测 ：线性探测是计算机程序解决哈希表冲突时所采取的一种策略。

还是这个数组：

在这里插入图片描述
我们通过除留余数法，可以算得8和15取模后，其对应同一个位置，那么我们从这个位置开始，一个一个往后面去探测，直到找到一个空位置，就将数据插入。

但是会有这种情况，即：取模后发生冲突，然后向后面探测，直到探测到最后一个位置都没有发现空位置，那么我们就再从头开始进行探测。

（线性探测中探测的终点就是取模后对应的位置，因为当我们从开始取模位置探测，探测到最后一个位置都没有，那么我们再从头开始探测，如果还是没有，那么会又回到取模位置。所以我们表的大小一定要超过数据的个数。）

🍐 优点： 十分简单，好操作。

🍐 缺点： 会造成成片冲突。一旦发生哈希冲突，所有的冲突连在一起，容易产生数据“堆积”。（如下图）

如下数组：
在这里插入图片描述
其中每个数据取模后都对应下标为1的位置，通过线性探测插入后，如下图：

当我们进行删除查找的时候，都是通过取模找到位置1，如果位置1不是我们要查找的数据，就会向后面遍历，直到找到数据为止。这也是为什么哈希冲突的发生会造成效率下降，而当大量的哈希冲突扎堆时，其效率更会大幅度下降。所以，也就引出了下面的二次探测来缓解成堆的哈希冲突。

🍄 （2）二次探测

🌵🌵二次探测：线性探测的缺陷是产生冲突的数据堆积在一块，这与其找下一空位置有关系，因为找空位置的方式就是挨着往后逐个去找，因此二次探测为了避免该问题，找下一个空位置的方法为： H_i= (H₀ + i²)% m,或者：H_i = (H₀ - i²)% m。其中：i = 1,2,3…，是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置，m是表的大小。

还是看图，有这样一组数据：
在这里插入图片描述

通过二次探测后，即15、22和8都对应位置1，先插入15，接着我们插入22时，二次探测，从i^2开始向后找空位置。i = 1时，就是取模位置的下一个，插入22 。插入8，向后面探测，i = 1时，已经插入了22。那么再探测i = 2时，也就是第一次位置的后面第四个位置，插入8 。

在这里插入图片描述

🍏 注意❗️ ❗️

🌳🌳 二次探测可以防止成堆的哈希冲突都连续存储，缓解了效率的下降。

🌱 开散列

🌵🌵开散列：也叫做拉链法、哈希桶。首先对关键码集合用散列函数计算散列地址，具有相同地址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个单链表链接起来，各链表的头结点存储在哈希表中。其本质就是一个指针数组，数组中存储的是单链表的首元素地址。

还是这个数组：

在这里插入图片描述
我们要将它插入哈希表（开散列）中，如下图：

当我们插入15、22和8时，取模计算位置，然后采用头插的方式，直接插入。发生哈希冲突的元素就通过链表进行存储。

二、闭散列（哈希）的模拟实现

🌻 🌻问题一：哈希表内部有什么结构？
（迭代器+哈希结点+哈希表。）

迭代器：正向迭代器内部成员有结点指针+哈希表的指针，因为结点和结点之间没有联系，我们要从一个结点跳转到下一个结点就要通过哈希表来进行调整。所以需要哈希表的指针，同时传参过程可以很巧妙地利用this指针完成。反向迭代器通过封装正向迭代器来实现，闭散列的哈希表可以完成自减的重载，所以反向迭代器可以实现。
哈希结点：成员变量有data数据，state状态。
哈希表：封装哈希结点和迭代器于一体。

🌻 🌻 问题二：当我们插入删除数据时，怎么判断当前位置是否可以操作？
使用一个枚举类型，里面包含EMPTY、EXITS、DELETE三种状态。默认状态为EMPTY，插入数据后状态变为EXITS，删除数据时，只要把状态改成DELETE即可。

🌻 🌻 是不是会觉得很困惑，为什么存在三种状态？DELETE有什么作用呢？

假设有一个哈希表，如下图：
在这里插入图片描述
当我们删除数据22时，将其置为EMPTY，但是会影响查找过程。查找时先计算数据的下标，如果当前位置数据不是查找的数据，那么向后依次查找，直到查到当前位置被标记为EMPTY时停止。在我们查找的过程中，如果删除数据就将其置EMPTY，当发生扎堆的哈希冲突，删除冲突中间的一个数据，就会影响对后面冲突数据的查询，所以要用DELETE进行标识，这样不会影响查找过程。如下图：
在这里插入图片描述

当我们查找8的时候，计算下标为1 。但是如果22被标记成EMPTY，那么查找到22这个位置时就停止，但是如果是DELETE，那么会继续向后面查找。

🌻 🌻 问题三：怎么控制哈希表的大小？
当我们的表过小时，会产生大量的哈希冲突，效率会大幅度下滑。但是当我们的表过大时，哈希冲突得到了缓解，但是大量的空间又会被浪费。所以这里我们引入负载因子，负载因子即：有效的数据的数量/哈希表的长度，当负载因子超过0.7的时候，我们就要给哈希表扩容。为什么选中0.7作为标准值呢？在0.7的时候，哈希冲突和空间浪费之间得到了平衡，算的上是比较好的选择了。
当我们对哈希表进行扩容后，映射关系要进行调整。因为扩容的本质是重新开辟更大的空间，再将数据拷贝过去。但是，当哈希表扩容，其映射关系也会发生改变。所以我们不能直接将数据原封不动的拷贝过去，而是要重新建立映射关系。
在VS的编译器里，其采用了素数表。因为按照素数进行扩容，取模计算下标时不容易发生哈希冲突。（虽然我也不太清楚怎么计算的）

🌻 🌻问题四：哈希表有K模型和KV模型，我们如何实现呢？
采用仿函数来取pair键对中的key，即如果是K模型，那么直接返回；如果是键对模型，那么选出里面的key再返回。

🌻 🌻问题五：字符串（比较常用）通过什么方式进行转化可以更好的避免哈希冲突呢？
（这里我们也要采用仿函数来实现。）

（不可取）
（1）首字符的ACSII码
字符总共只有256个，如果只用首字符来映射的话，很容易产生哈希冲突。
（2）字符串内所有字符ASCII码值之和
所有字符ACSII码值之和也容易冲突，即字符串中的字符相同，但是顺序不同时，全部都会冲突。

对于字符串，一群大佬经过研究后得出了下面几种不容易冲突的算法：

🍋 BKDR哈希算法⬇️ ⬇️ :

hash = hash * 131 + ch;   // 也可以乘以31、131、1313、13131、131313..

🍋 SDBM哈希算法⬇️ ⬇️ :

`hash = 65599 * hash + ch; `

🍋 RS哈希算法⬇️ ⬇️ ：

template<class T>  
size_t RSHash(const T *str)  
{
     
    register size_t hash = 0;  
    size_t magic = 63689;     
    while (size_t ch = (size_t)*str++)  
    {
     
        hash = hash * magic + ch;  
        magic *= 378551;  
    }  
    return hash;  
}

（剩下的就不介绍了，有兴趣的可以去看看。网址： 哈希算法）

🌻 🌻问题六：查找中怎么判断当前数据是否是我们需要的查找内容？
如果是内置类型，直接用等号比较即可。但是如果是自定义类型，它的比较就需要我们自己来完成。例如：字符串的比较，我们可以用string自己的等号重载来判断。所以采用仿函数来完成这项内容，需要比较自定义类型，那么就自己来写仿函数进行判断。

🌻 🌻 问题七：方括号（“[]”）的重载？
在KV模型中，方括号的重载是很重要的。即可以直接使用方括号进行插入数据，或者对数据进行修改。
进行重载中，调用insert函数进行插入，insert函数的返回是键对值。键对值中第一个参数迭代器类型，是插入位置的迭代器；第二个参数是布尔类型，判断插入是否成功。我们根据返回值中的迭代器参数可以获得插入位置的指针，然后再通过指针获得插入键对值中的V（这里插入过程中，V值为默认值），将V返回后，我们可以通过等号进行修改⬇️ ⬇️

	V& operator[](const K& key) 
	{
    
		return (insert(std::make_pair(key, V())).first._pnode->_data).second; 
	}

	//使用方式
	HTs["look"] = "看";
	HTs.operator[]("eat") = "吃";

🌻 🌻其他问题：
因为迭代器中要使用哈希表的指针，而哈希表又要使用迭代器，所以我们需要添加一个前置声明。
迭代器中需要访问哈希表的私有成员_table，所以我们要把迭代器定义为哈希表的友元类。（不到万不得已，不使用友元，因为友元会破坏封装）

🍒 🍒 HashTable（闭散列）的完整代码⬇️ ⬇️ ：

#pragma once
#include<iostream>
#include<vector>
#include<string>

using std::cin;
using std::cout;
using std::endl;
using std::vector;
using std::string;
using std::pair;
using std::make_pair;

//选出key
template<class K, class V>
struct PairSelect1st
{
   
	const K& operator()(const pair<K, V>& kv) {
    return kv.first; }
};
template<class K>
struct KSelect1st
{
   
	const K& operator()(const K& k) {
    return k; }
};

//转成整型
template<class K>
struct HashFunc
{
   
	size_t operator()(const K& val) {
    return val; }
};
//模板的特化
template<>
struct HashFunc<std::string>
{
   
	size_t operator()(const std::string& s1)
	{
   
		size_t sum = 0;
		for (size_t i = 0; i < s1.size(); i++)
		{
   
			sum = sum * 131 + s1[i];
		}

		return sum;
	}
};

//比较判断
template<class K>
struct equal_to
{
   
	bool operator()(const K& lval, const K& rval) {
    return lval == rval; }
};
template<>
//模板特化
struct equal_to<std::string>
{
   
	bool operator()(const std::string& s1, const  std::string& s2) {
    return s1 == s2; }
};

//素数表
const int PRIMECOUNT = 28;
const size_t primeList[PRIMECOUNT] = {
   
 53ul, 97ul, 193ul, 389ul, 769ul,
 1543ul, 3079ul, 6151ul, 12289ul, 24593ul,
 49157ul, 98317ul, 196613ul, 393241ul, 786433ul,
 1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,
 50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,
 1610612741ul, 3221225473ul, 4294967291ul
};

namespace CloseHash
{
   
	enum State {
    EMPTY, EXITS, DELETE };

	template<class T>
	struct HashData
	{
   
		T _data;//存储可能是k，可能是kv
		State _state = EMPTY;//标识状态

		HashData(const T& data = T(), State state = EMPTY) :_data(data), _state(state) {
   }
	};

	template<class K, class V, class T, class Pred, class Select1st, class HashFunc>
		class HashTable;

	template<class K, class V, class T, class Ref, class Ptr, class Pred = equal_to<K>
	, class Select1st = PairSelect1st<K, V>, class HashFunc = HashFunc<K>>
	struct Iterator
	{
   
		typedef HashData<T> HD;
		typedef HashTable<K, V, T, Pred, Select1st, HashFunc> HT;
		typedef Iterator<K, V, T, Ref, Ptr, Pred, Select1st, HashFunc> self;
		typedef Ref reference;
		typedef Ptr pointer;
		HD* _pnode;
		HT* _pht;
		
		Iterator(HD* pnode = nullptr, HT* pht = nullptr) :_pnode(pnode), _pht(pht) {
     }

		bool operator