字符串散列

字符串散列（string hash，又称字符串哈希）是指在字符串和数值之间建立对应关系，相当于为字符串创建“指纹”。存在非常多的散列算法，下面介绍通过模运算实现的一种简易散列算法。

给定一个字符串 $S=s_1{s}_2\dots s_n$，选定一个基数 $base$ 和模数 $mod$ （编程竞赛中，一般选择小于 $2^{32}$ 的较大素数），令 $h[i]$ 表示前 $i$ 个字符所对应的数值，且令 $h[0]=0$，可以按照如下方法将此字符串转换为一个整数：

$$h[i]=h[i-1]\ast base+s_i$$

由于 $h[i]$ 可能很大而不便于表示，在应用中一般是将其值对 $mod$ 取模，即：

$$h[i]=(h[i-1]\ast base+s_i)\%mod$$

const int MAXN = 1000100;
const int BASE = 16777213, MOD = 2147483647;

long long h[MAXN], b[MAXN];

int getHash(string &s) {
    h[0] = 0;
    int n = (int)s.length();
    for (int i = 1; i <= n; i++) h[i] = (h[i - 1] * BASE + s[i - 1]) % MOD;
    return h[n];
}

当两个不同的字符串依据上述方法转换得到的散列值相同时，称之为冲突（collide），为了尽量减少冲突出现的概率，可以使用两组（甚至多组）基数和模数，得到两个不同的散列值，将之配对来表示字符串的映射值，这样冲突的概率非常小。

有时并不需要获取整个字符串的散列值，而只需获取字符串某一部分的散列值，那么可以通过类似于前缀和的技巧来获取。观察确定字符串散列值的过程：

$$\begin{array}{rl}h[0]& =0\\ h[1]& =s_1\\ h[2]& =s_1\ast bas{e}^1+s_2\\ h[3]& =s_1\ast bas{e}^2+s_2\ast bas{e}^1+s_3\\ h[4]& =s_1\ast bas{e}^3+s_2\ast bas{e}^2+s_3\ast bas{e}^1+s_4\\ h[5]& =s_1\ast bas{e}^4+s_2\ast bas{e}^3+s_3\ast bas{e}^2+s_4\ast bas{e}^1+s_5\\ \dots & =\dots \\ h[n]& =s_1\ast bas{e}^{n-1}+s_2\ast bas{e}^{n-2}+\cdots +s_1\ast bas{e}^1+s_n\end{array}$$

如果需要计算子串 $s_3{s}_4$ 的散列值，易知其散列值为：

$$s_3\ast base+s_4=h[4]-h[2]\ast bas{e}^2$$

适当扩展可得，若要计算子串 $s_l\dots s_r$ 的散列值，可以使用等式：

$$h[l\dots r]=h[r]-h[l-1]\ast bas{e}^{r-l+1}$$

来予以确定。

// 获取字符串中序号区间为[L，R]的子串的散列值，字符串的序号从0开始计数。
int prepared = 0;
int getHash(string &s, int L, int R) {
    if (!prepared) {
        h[0] = 0, b[0] = 1;
        int n = (int)s.length();
        for (int i = 1; i <= n; i++) {
            h[i] = (h[i - 1] * BASE + s[i - 1]) % MOD;
            b[i] = b[i - 1] * BASE % MOD;
        }
        prepared = 1;
    }
    return (h[R + 1] - h[L] * b[R - L + 1] % MOD + MOD) % MOD;
}