洛谷-P3370 【模板】字符串哈希

推荐两个关于字符串哈希的博客：

字符串哈希入门

字符串哈希进阶

所谓字符串哈希是指将字符串转化为一个整数，并且保证不同字符串得到的整数不同，这样便可以通过整数来判断两个字符串是否相同等。

本题可以用进制哈希来解决，这应该也是字符串哈希中很常用的一种哈希方法。

进制哈希的核心思想是将字符串转换为一个base进制的整数。

首先确定一个base值，作为基；一个mod值，作为模数。

再设置一个hash_val值，初始为0，它将记录字符串的最终的哈希值。

然后迭代这个字符串，将base乘以hash_val再加上当前字符的整数值，将取余mod后将结果赋给hash_val，继续下一轮迭代。

最终的hash_val即为该字符串的哈希值，存入哈希表中。

举个栗子：

字符串s="abc".

我们确定base = 13331，mod = 1e9 + 7, hash_val = 0.

迭代字符串：

①hash_val = (base * hash_val + int(s[0])) % mod = 97

②hash_val = (base * hash_val + int(s[1])) % mod = 1293205

③hash_val = (base * hash_val + int(s[2])) % mod = 239715835

则239715835为字符串"abc"的哈希值。

不过，哈希的弊端是有可能出现冲突，即不同的字符串的哈希值是相同的。这样会使我们在查询哈希表时会误认为这些字符串是相同的，但其实它们是不同的。

不过可以采取一些方法来减少冲突，例如自然溢出法。

自然溢出法就是在计算哈希值的过程中不对当前的哈希值取模，当它大到超过计算机存储的范围时，让它自然溢出。其实这种方法本质上是将mod取为计算机存储上界，对于C/C++ unsigned int类型就是2^32，unsigned long long类型就是2^64.

另一种方法是将base, mod取为素数，且令base < mod，base与mod都尽可能大，这样可以减小冲突的概率。

图片引自：https://blog.csdn.net/wangqianqianya/article/details/89670919

还有一种常用的方法就是双哈希法，即确定两个base, mod值，为每个字符串分配两个哈希值值。只有两个哈希值都相同，两个字符串才有可能被认为是相同的。通过与上面两种方法进行结合，双哈希法的冲突概率应当是很低的，是比较安全的方法，但是会增加时间与空间开销。

由于自然溢出法比较简单，下面采用自然溢出法解决这道题。

（学习数据结构的时候应该有印象，当出现冲突时要有相应的处理，但冲突处理会增加代码复杂度和时空开销，所以我觉得在ACM中尽可能通过减少冲突概率来避免冲突的发生，避免较为复杂的冲突处理）

#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdio>
using namespace std;
typedef unsigned long long ull;
const int maxn = 1e4 + 5, maxm = 2e3 + 5;
const ull base = 13331;
char s[maxm];
ull tab[maxn];  //哈希表 

ull hash(char *str){
	ull ans = 0;
	int len = strlen(str);
	for(int i = 0; i < len; ++i){
		ans = base * ans + (ull)str[i];
	}
	return ans;
}

int main(){
	int n;
	scanf("%d", &n);
	for(int i = 0; i < n; ++i){
		scanf("%s", s);
		tab[i] = hash(s);
	}
	
	sort(tab, tab + n);
	int ans = 1;
	for(int i = 1; i < n; ++i){
		if(tab[i] != tab[i - 1])
			++ans;
	}
	printf("%d\n",ans);
	return 0;
}