字符串hash用法

什么是字符串哈希

其实字符串hash和我们平时在代码中使用的hash都是一样的，原理都是将字符串通过一系列算法，将他映射成一个N进制，并且我们要保证不同的字符串得到的N进制一定是不同的。

为什么要有字符串hash这个东西？试想一下，我们对大量的单词进行对比比较，看哪些单词是重复出现过的，我们首先要将单词转换成ascii码，然后再比较他们的ascii码是否相等，这样会不会太浪费空间和时间，我们不妨先计算出这个单词的hash，然后再保存在内存里，这样我们比较两个单词，直接比较他们的字符串hash即可。至于如何计算字符串hash，其实就跟我们计算二进制，八进制一样，只是有一点细节上的区别。

如何计算

假设我们有abc和abb两个字符串，假设1=a，2=b，3=c…，英文字母有26个，我们其实可以设置26进制即可，但这样容易出现hash碰撞，所以我们设置大一点，随便一个数字就好，就36进制吧。

通过进制计算，我们得出：

hash(abc) = 1371

hash(abb) = 1370

由于在计算较长的字符串时，我们知道int最大可以保存2^31-1，如果字符串过长的话，肯定会出现溢出的情况，这个时候我们就要对结果取模，一般这儿设置一个较大的质数用来取模即可,我这里用的是1e+9 + 7这个数来进行取模，同时这个数刚好在int范围内。

所以我们可以得出一个计算字符串hash的公式。

其中 h 为返回值，初始为 0，p为所代表的进制，Si代表当前字符串第i个字符。

衡量hash的一个指标就是看hash碰撞率，如果某字符串越长越复杂，那计算出来的hash值进行取模后，可能会与其他字符串的hash值发生碰撞。

这个问题是不可避免的，你可以增大基数p或者增大模来降低hash碰撞，也可以采用其他的hash策略来计算hash。

总而言之，在平时刷题中，题目是不会出这种数据给你的，如果有，改变一下模的值就行了。

代码

我的cpp代码如下：

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

unsigned int MOD = 1e+9 + 7;

int getH(string s) {
    unsigned int h = 0;
    int n = s.size();
    int p = 36;         // 36进制
    for (int i = 0; i < n; ++i) {
        int c = s[i] - 'a' + 1;
        h = (h * p) % MOD + c;
    }
    return h;
}


int main() {
    cout << getH("abb") << endl;
    cout << getH("abc");
    return 0;
}