字符串Hash的原理与应用

字符串Hash无论是在ACM竞赛中还是在工程中都有着广泛的应用，所以很有必要掌握好它的用法。主要分为两个部

分：Hash映射和冲突处理。而本文主要来详细讲解Hash映射的方法及应用，下篇文章将会介绍如何处理冲突。

 

对于字符串Hash来说都是把字符串映射为一个整数，这一步是通过Hash函数来进行的。常用的Hash函数具体有：

SDBMHash，RSHash，JSHash，ELFHash，BKDRHash，DJBHash等等。接下来只详细介绍ELFHash函数的原理

及应用。

 

ELFHash函数的代码如下

[cpp] view plain copy

1. unsigned int ELFhash(char *str)  
2. {  
3.     unsigned int h = 0;  
4.     unsigned int x;  
5.     while(*str)  
6.     {  
7.         h = (h << 4) + *str++;  
8.         x = h & 0xF0000000L;  
9.         if(x)  
10.         {  
11.             h ^= x>>24;  
12.             h &= ~x;  
13.         }  
14.     }  
15.     return h & 0x7FFFFFFF;  
16. }  

接下来我会详细探讨它的原理。

 

（1）h = (h << 4) + *str++;  把当前的字符的ASCII存入h的低4位。

（2）x = h & 0xF0000000L;    取出h中最高4位，0xF0000000L地代表28~31这4位是1，其余后28位是0。

（3）如果最高4位不为0，那么说明字符多于7个，现在正在存第8个，如果不处理再加下一个字符时，第一个字符会

    被移出，因为1~4位刚刚加入了新字符，所以不能>>28，而是>>24。

（4）h &= ~x;                表示把h的高4位清零。

 

题目：http://acm.hdu.edu.cn/showproblem.php?pid=1800

 

题意：给定一些数字，可能有前导零，求这些数字中出现次数最多的数字的次数。

 

代码：

[cpp] view plain copy

1. #include <iostream>  
2. #include <string.h>  
3. #include <stdio.h>  
4.   
5. using namespace std;  
6. const int N = 1000005;  
7. const int MOD = 100007;  
8.   
9. int hash[N], cnt[N];  
10.   
11. unsigned int ELFhash(char *str)  
12. {  
13.     unsigned int h = 0;  
14.     unsigned int x;  
15.     while(*str)  
16.     {  
17.         h = (h << 4) + *str++;  
18.         x = h & 0xF0000000L;  
19.         if(x)  
20.         {  
21.             h ^= x>>24;  
22.             h &= ~x;  
23.         }  
24.     }  
25.     return h & 0x7FFFFFFF;  
26. }  
27.   
28. int HashHit(char *str)  
29. {  
30.     while(*str == '0') str++;  
31.     int k = ELFhash(str);  
32.     int t = k % MOD;  
33.     while(hash[t] != k && hash[t] != -1)  
34.         t = (t + 10) % MOD;  
35.     if(hash[t] == -1)  
36.     {  
37.         cnt[t] = 1;  
38.         hash[t] = k;  
39.     }  
40.     else cnt[t]++;  
41.     return cnt[t];  
42. }  
43.   
44. int main()  
45. {  
46.     int n;  
47.     char str[105];  
48.     while(scanf("%d", &n)!=EOF)  
49.     {  
50.         int ans = 1;  
51.         memset(hash,-1,sizeof(hash));  
52.         while(n--)  
53.         {  
54.             scanf("%s", str);  
55.             ans = max(ans, HashHit(str));  
56.         }  
57.         printf("%d\n", ans);  
58.     }  
59.     return 0;  
60. }  

 

问题：为什么Hash表的size总是扩展成一个素数？

 

分析：素数可以有效地减少冲突。具体原因如下

     假设Hash表的大小为size，这是一个合数，即有size = a * n，当有Hash值为HashCode = b * n，则

     HashCode取模之后有

 

    

 

     因为是固定不变的，那么HashCode取值就有了种可能，这样显然会增加冲突的概率。