【15】 散列表（上）：Word文档中的单词拼写检查功能是如何实现的？

1. 散列表的由来？

1. 散列表来源于数组，它借助散列函数对数组这种数据结构进行扩展，利用的是数组支持按照下标随机访问元素的特性。
2. 需要存储在散列表中的数据我们称为键，将键转化为数组下标的方法称为散列函数，散列函数的计算结果称为散列值。
3. 将数据存储在散列值对应的数组下标位置。

2. 如何设计散列函数？

总结3点设计散列函数的基本要求

1. 散列函数计算得到的散列值是一个非负整数。
2. 若key1=key2，则hash(key1)=hash(key2)
3. 若key≠key2，则hash(key1)≠hash(key2)
   正是由于第3点要求，所以产生了几乎无法避免的散列冲突问题。

3. 散列冲突的解放方法？

1. 常用的散列冲突解决方法有2类：开放寻址法（open addressing）和链表法（chaining）
2. 开放寻址法
   1）核心思想：如果出现散列冲突，就重新探测一个空闲位置，将其插入。
   2）线性探测法（Linear Probing）：
   插入数据：当我们往散列表中插入数据时，如果某个数据经过散列函数之后，存储的位置已经被占用了，我们就从当前位置开始，依次往后查找，看是否有空闲位置，直到找到为止。
   查找数据：我们通过散列函数求出要查找元素的键值对应的散列值，然后比较数组中下标为散列值的元素和要查找的元素是否相等，若相等，则说明就是我们要查找的元素；否则，就顺序往后依次查找。如果遍历到数组的空闲位置还未找到，就说明要查找的元素并没有在散列表中。
   删除数据：为了不让查找算法失效，可以将删除的元素特殊标记为deleted，当线性探测查找的时候，遇到标记为deleted的空间，并不是停下来，而是继续往下探测。
   结论：最坏时间复杂度为O(n)
   3）二次探测（Quadratic probing）：线性探测每次探测的步长为1，即在数组中一个一个探测，而二次探测的步长变为原来的平方。
   4）双重散列（Double hashing）：使用一组散列函数，直到找到空闲位置为止。
   5）线性探测法的性能描述：
   用“装载因子”来表示空位多少，公式：散列表装载因子=填入表中的个数/散列表的长度。
   装载因子越大，说明空闲位置越少，冲突越多，散列表的性能会下降。
3. 链表法（更常用）
   插入数据：当插入的时候，我们需要通过散列函数计算出对应的散列槽位，将其插入到对应的链表中即可，所以插入的时间复杂度为O(1)。
   查找或删除数据：当查找、删除一个元素时，通过散列函数计算对应的槽，然后遍历链表查找或删除。对于散列比较均匀的散列函数，链表的节点个数k=n/m，其中n表示散列表中数据的个数，m表示散列表中槽的个数，所以是时间复杂度为O(k)。

4. 思考

1. Word文档中单词拼写检查功能是如何实现的？
   答：常用的英文单词有 20 万个左右，假设单词的平均长度是 10 个字母，平均一个单词占用 10 个字节的内存空间，那 20 万英文单词大约占 2MB 的存储空间，就算放大 10 倍也就是 20MB。对于现在的计算机来说，这个大小完全可以放在内存里面。所以我们可以用散列表来存储整个英文单词词典。
   当用户输入某个英文单词时，我们拿用户输入的单词去散列表中查找。如果查到，则说明拼写正确；如果没有查到，则说明拼写可能有误，给予提示。借助散列表这种数据结构，我们就可以轻松实现快速判断是否存在拼写错误。
2. 假设我们有10万条URL访问日志，如何按照访问次数给URL排序？
   遍历 10 万条数据，以 URL 为 key，访问次数为 value，存入散列表，同时记录下访问次数的最大值 K，时间复杂度 O(N)。
   如果 K 不是很大，可以使用桶排序，时间复杂度 O(N)。如果 K 非常大（比如大于 10 万），就使用快速排序，复杂度 O(NlogN)。
3. 有两个字符串数组，每个数组大约有10万条字符串，如何快速找出两个数组中相同的字符串？
   以第一个字符串数组构建散列表，key 为字符串，value 为出现次数。再遍历第二个字符串数组，以字符串为 key 在散列表中查找，如果 value 大于零，说明存在相同字符串。时间复杂度 O(N)。

5. 参考资料

1. 王争老师在极客时间的专栏《数据结构与算法之美》
2. 专栏下的所有评论

6. 声明

本文章是学习王争老师在极客时间专栏——《数据结构与算法之美》的学习总结，文章很多内容直接引用了专栏下的回复，推荐大家购买王争老师的专栏进行更加详细的学习。本文仅供学习使用，勿作他用，如侵犯权益，请联系我，立即删除。