适合中文关键字的哈希函数

hash函数的策略。 

    对于GB2312编码，设输入的汉字为GBword，我们可以采用公式(C1-176)*94 + (C2-161)确定GBindex。其中，C1表示第一字节，C2表示第二字节。具体如下： 

    GBindex = ((unsigned char)GBword.at(0)-176)*94 + (unsigned char)GBword.at(1) - 161; 

    之所以用unsigned char类型，是因为char是一个字节，如果用unsigend int，因为int是4个字节的，所以会造成扩展，导致错误。 

       对于GBK编码，设输入的汉字为GBKword，则可以采用公式   index=(ch1-0x81)*190+(ch2-0x40)-(ch2/128)，其中ch1是第一字节，ch2是第二字节。 

    具体的， 

    GBKindex = ((unsigned char)GBKword[0]-129)*190 +  ((unsigned char)GBKword[1]-64) - (unsigned char)GBKword[1]/128; 

哈希表的性能很大程度上取决于一个哈希函数的好坏。我用单个汉字作为key，5702个汉字冲突率为0，quite impressive。

例如一个 对单个GBK汉字的哈希函数可以这么写：

struct hash_CHGBK{
	size_t operator()(const char* GBKword) const{
		size_t GBKindex;
		GBKindex = ((unsigned char)GBKword[0]-129)*190 +
               ((unsigned char)GBKword[1]-64) - (unsigned char)GBKword[1]/128;
	}
};

加上一个比较的函数：

struct eqstr
{
	bool operator()(const char* s1, const char* s2)const{
		return strcmp(s1, s2)==0;
	};
};

可以这么用

hash_map<const char*, int, hash_CHGBK, eqstr> CHGBK_hashmap;

原帖地址：http://www.iteye.com/problems/60530

原帖作者：deepfuture 

hash函数列表

https://www.byvoid.com/blog/string-hash-compare/