【字符串哈希】讲解与例题

字符串哈希算法，目的是将一个字符串转换为一个整数，这个整数仅仅受字符串的内容有关，与字符串的长度没有任何的关系，保障字符串不同，得到的整数不同，字符串相同，得到的整数一定相同。通常将字符串转换为整数的算法成为字符串哈希算法。

通常使用的字符串哈希算法如下：

哈希算法：$Hash[i]=Hash[i-1]\ast p+str[i-1]{-}^{\prime }{a}^{\prime }$

这里p选用的是一个质数，通常可取131313，使用这种算法获得的哈希值能够很大程度上的避免哈希冲突，同时这样计算出的哈希值能通过前缀和的思想，推演出任意连续子串的哈希值，操作如下：

可以看到，通过存储的Hash数组与p的次方，就能够求出任意子串的哈希值，通过这种方法就可以判断任意子串是否出现过。为了更方便的计算p的任意次方，我们预先处理p的幂将其存入数组中，这样就可以快速求得一个子串的哈希值。

公式为：定义$hash[i]$为索引为$[0,i]$子串的哈希值，定义$p[i]$表示$p^i$的值，定义所求哈希值子串下标范围是$[j,i]$，那么该子串哈希值为：$hash=hash[i]-p[i-j+1]\ast hash[j-1]$

那么为什么不使用String直接作为key存入HashMap而是用这种方法计算哈希值呢？

String作为key存入hashMap，每次存入一个数，都会调用equals,HashCode方法，这两个方法均是$O(N)$的时间复杂度，但是如果存入的是int整数类型，因为int的哈希值就是该值本身，因此存入hashMap中仅需要$O(1)$的时间复杂度，大大地提高了运行效率。

---

以1316. 不同的循环子字符串为例，使用字符串哈希解决

首先通过递推公式将$[0,i]$的哈希值存放在$hash[i]$数组中，同时将$p^i$存放在$p[i]$数组中方便使用，通过两层for循环遍历所有子串(符合题意子串长度一定是偶数)，找到中间点mid然后判断mid两侧哈希值是否相同，如果相同就将其哈希值存入Set中用于去重，最终Set中的元素个数就是我们所求的子串数量。

class Solution {
    final int P = 131313;
    long []p;
    long []hash;
    public long getHash(String txt,int l,int r){
        if(l==0){
            return hash[r+1];
        }
        return hash[r + 1] - getHash(txt, 0, l - 1) * p[r - l + 1];
    }
    public int distinctEchoSubstrings(String text) {
        int n = text.length();
        p=new long[n+1];
        hash=new long[n+1];
        Set<Long> ans=new HashSet<>();
        p[0]=1;
        for(int i=1;i<=n;++i){
            hash[i]=hash[i-1]*P+text.charAt(i-1);
            p[i]=p[i-1]*P;
        }
        for(int i=0;i<n-1;++i){
            for(int j=i+1;j<n;j+=2){
                int m=i+(j-i)/2;
                long hashLeft=getHash(text,i,m);
                long hashRight=getHash(text,m+1,j);
                if(hashRight==hashLeft){
                    ans.add(hashLeft);
                }
            }
        }
        return ans.size();
    }
}

以187. 重复的DNA序列为例，使用字符串哈希快速解题。

• 可能你觉得这题使用滑动窗口也同样能过，确实是这样，所求序列长度固定为10，那么窗口滑动+字符串比较运算量一共就$10^6$次，能够接受。但是如果数据量特别大，所求序列的长度为100或1000，那么每一次滑动都需要比较100、1000个字符，这样就特别容易超时。因此这题使用字符串哈希算法
• 我们定义一个$hash$数组，对于下标 $i$ 存放子串 [$0...i-1$]子串的哈希值，同时选用质数$P=131313$,维护一个质数的次方数组p

class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        Map<Long,Integer>map=new HashMap<>();
        List<String>ans=new ArrayList<>();
        int n=s.length();
        long []hash=new long[n+1];
        long []p=new long[n+1];
        //已知答案的长度
        int strLen=10;
        p[0]=1;
        final int P=131313;
        for(int i=1;i<=n;++i){
            hash[i]=hash[i-1]*P+s.charAt(i-1);
            p[i]=p[i-1]*P;
        }
        //开始遍历字符
        //i为开头的下一个字符
        for(int i=1;i+strLen-1<=n;++i){
            //j为结束的下一个字符
            int j=i+strLen-1;
            long curHash=hash[j]-hash[i-1]*p[strLen];
            int time=map.getOrDefault(curHash,0);
            if(time==1){
                ans.add(s.substring(i-1,j));
            }
            map.put(curHash,time+1);
        }
        return ans;
    }
}