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
- unsigned int ELFhash(char *str)
- {
- unsigned int h = 0;
- unsigned int x;
- while(*str)
- {
- h = (h << 4) + *str++;
- x = h & 0xF0000000L;
- if(x)
- {
- h ^= x>>24;
- h &= ~x;
- }
- }
- return h & 0x7FFFFFFF;
- }
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:
- #include <iostream>
- #include <string.h>
- #include <stdio.h>
- using namespace std;
- const int N = 1000005;
- const int MOD = 100007;
- int hash[N], cnt[N];
- unsigned int ELFhash(char *str)
- {
- unsigned int h = 0;
- unsigned int x;
- while(*str)
- {
- h = (h << 4) + *str++;
- x = h & 0xF0000000L;
- if(x)
- {
- h ^= x>>24;
- h &= ~x;
- }
- }
- return h & 0x7FFFFFFF;
- }
- int HashHit(char *str)
- {
- while(*str == '0') str++;
- int k = ELFhash(str);
- int t = k % MOD;
- while(hash[t] != k && hash[t] != -1)
- t = (t + 10) % MOD;
- if(hash[t] == -1)
- {
- cnt[t] = 1;
- hash[t] = k;
- }
- else cnt[t]++;
- return cnt[t];
- }
- int main()
- {
- int n;
- char str[105];
- while(scanf("%d", &n)!=EOF)
- {
- int ans = 1;
- memset(hash,-1,sizeof(hash));
- while(n--)
- {
- scanf("%s", str);
- ans = max(ans, HashHit(str));
- }
- printf("%d\n", ans);
- }
- return 0;
- }
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。