字符串哈希

一. 概念

一.什么是字符串哈希

hash，其实就是将一个东西映射成另一个东西，类似Map，key对应value。

那么字符串Hash，其实就是：构造一个数字使之唯一代表一个字符串。但是为了将映射关系进行一一对应，也就是，一个字符串对应一个数字，那么一个数字也对应一个字符串。

用字符串Hash的目的是，我们如果要比较一个字符串，我们不直接比较字符串，而是比较它对应映射的数字，这样子就知道两个“子串”是否相等。从而达到，子串的Hash值的时间为 O(1)，进而可以利用“空间换时间”来节省时间复杂的。

二.什么是哈希函数

哈希函数是哈希的关键，首先理论上任何一个函数都能做哈希函数，但是在字符串哈希中，为了避免冲突采用了一种进制哈希的方式（BKDRHash）。

字符串哈希【算法】_字符串哈希算法-CSDN博客  (原文摘自)
原理：设定一个进制 P，需要计算一个字符串的哈希值时，把每个字符看成每个进制位上的一个数字，这个串转化成了一个基于进制 P 的数，最后对 M 取余数，就得到了这个字符串的哈希值。为简化计算可以取空间大小为 M=264是 unsigned long long 的长度，一个 unsigned long long 型的哈希值 H，当 H 值大于 M 时会自动溢出，等价于自动对 M 取余，这样能避免低效的取余运算。

 这里我们给出一个构造哈希函数的模版

ull hash(string s){
	ull res=0;
	for (int i=0;s[i];i++){
		res=(res*base1+(ull)s[i])%mod1;
	}
	return res;

 

 

---

 二.例题分析

一.P3370 【模板】字符串哈希

https://www.luogu.com.cn/problem/P3370 

如题，给定 N 个字符串（第 i 个字符串长度为 Mi​，字符串内包含数字、大小写字母，大小写敏感），请求出 N 个字符串中共有多少个不同的字符串。

友情提醒：如果真的想好好练习哈希的话，请自觉。

输入格式

第一行包含一个整数 N，为字符串的个数。

接下来 N 行每行包含一个字符串，为所提供的字符串。

输出格式

输出包含一行，包含一个整数，为不同的字符串个数。

输入输出样例

输入 #1复制

5
abc
aaaa
abc
abcc
12345

输出 #1复制

4

说明/提示

对于 30% 的数据：N≤10，Mi​≈6，Mmax≤15。

对于 70% 的数据：N≤1000，Mi​≈100，Mmax≤150。

对于 100% 的数据：N≤10000，Mi​≈1000，Mmax≤1500。

样例说明：

样例中第一个字符串(abc)和第三个字符串(abc)是一样的，所以所提供字符串的集合为{aaaa,abc,abcc,12345}，故共计4个不同的字符串。

 

 一道字符串哈希的模版题，这里可以更这代码了解一下字符串哈希的题目的解题过程

单哈希（自然溢出）

#include<bits/stdc++.h>
using namespace std;
#define N 1000005
typedef unsigned long long ull;     //重命名，ull代表unsigned long long
ull base=131;            //映射的进制
ull f[N];                //存储字符串映射后的数字
char s[N];         //存储原字符串
int n,ans=1;

ull haxi(char s[])     //hash函数
{
    int len=strlen(s);
    ull sum=0;
    for(int i=0;i<len;i++){
        sum=sum*base+(ull)s[i];      //具体的映射过程
    }
    return sum;
}
int main()
{
    cin>>n;
    for(int i=1;i<=n;i++)
    {
        scanf("%s",s);
        f[i]=haxi(s);      //将映射后的值赋值给f数组
    }
    sort(f+1,f+n+1);       //升序排列，方便后面比对有多少重复的
    for(int i=1;i<n;i++){
        if(f[i]!=f[i+1])   //如果不是重复相同的字符串，结果加1
            ans++;
    }
    cout<<ans<<endl;
    return 0;
}

 以上是通过单哈希的方式，其实我们在做题中可能会遇到不同的字符串却对应的相同的值，这时就会发生哈希冲突，为了减少哈希冲突，就可以通过双哈希的方式解决。

三.双Hash方法

用字符串Hash，最怕的就是，出现冲突的情况，即不同字符串却有着相同的hash值，这是我们不想看到的。所以为了降低冲突的概率，可以用双Hash方法。

将一个字符串用不同的Base和MOD，hash两次，将这两个结果用一个二元组表示，作为一个总的Hash结果。

相当于我们用不同的Base和MOD，进行两次 单Hash方法 操作，然后将得到的结果，变成一个二元组结果，这样子，我们要看一个字符串，就要同时对比两个 Hash 值，这样子出现冲突的概率就很低了。

那么对应的 Hash 公式为：

 

#include<bits/stdc++.h>     //双哈希操作和单哈希操作其实是一致的，只是多一次哈希
using namespace std;
typedef unsigned long long ull;
ull base=131;
struct data
{
    ull x,y;
}a[10010];       //结构体存储两个哈希值
char s[10010];
int n,ans=1;
ull mod1=19260817;  //mod值改变
ull mod2=19660813;
ull hash1(char s[])     //两次哈希操作
{
    int len=strlen(s);
    ull ans=0;
    for (int i=0;i<len;i++)
        ans=(ans*base+(ull)s[i])%mod1;
    return ans;
}
ull hash2(char s[])
{
    int len=strlen(s);
    ull ans=0;
    for (int i=0;i<len;i++)
        ans=(ans*base+(ull)s[i])%mod2;
    return ans;
}
bool comp(data a,data b)    //结构体排序内部比较函数
{
    return a.x<b.x;
}
main()
{
    scanf("%d",&n);
    for (int i=1;i<=n;i++)
    {
        scanf("%s",s);
        a[i].x=hash1(s);
        a[i].y=hash2(s);
    }
    sort(a+1,a+n+1,comp);  //结构体排序，升序
    for (int i=2;i<=n;i++)
        if (a[i].x!=a[i-1].x || a[i-1].y!=a[i].y)  //两次比较
            ans++;
    printf("%d\n",ans);
}

 

 如果还对字符串哈希不明白的可以在b站上晓董老师的视频讲解（链接已附上）。