浅析字符串哈希

何为字符串哈希

所谓字符串哈希，即对一个字符串形成单向加密的过程，使其产生一个数字映射，通过这种低概率的编号重复，使得字符串的匹配尽可能高效。

如何字符串哈希

最普遍的字符串哈希方式，即进制哈希。核心是将字符串上的每一个字符理解为一个数字，然后固定一个进制，将该字符串转化成一个该进制下的的数，作为其哈希值，然后通过比对哈希值，判断两个字符串是否相等。

	len = (int)strlen(s + 1);
	for (int i = 1; i <= len; i++)
	{
		Hash[i] = (Hash[i - 1] * base + s[i] - 'a' + 1) % mod1;
	}
}

而对于再好的哈希，也不可避免会产生冲突，此时可以通过一些方法来尽可能降低哈希冲突。

1.无错哈希

原理就是当一个字符串得到一个哈希值后，判定该哈希值是否已经使用过，如果使用的话就不断加上一个大质数，使得不产生冲突。该方式的缺陷在于会十分消耗空间。

2.多重哈希

给定不唯一的哈希函数，对每一个字符串生成多个哈希值，由此来判断两个字符串是否相等。该方法会增加空间和时间，但也提高了正确性。

3.子串哈希

数组$Hash$记录了字符串每个前缀的$Hash$值，通过$Hash$数组可以在$O\left(1\right)$内计算出其子串的$Hash$值，计算公式为：
$$Hash\left[l...r\right]=\left(\left(Hash\left[r\right]-Hash\left[l-1\right]\ast bas{e}^{r-l+1}\right)\%mod+mod\right)\%mod$$
这里之所以$+mod$是因为考虑到前面的减法可能会产生负数，所以$+mod$进行修正。

4.进制哈希

对于一个字符串而言，可以同样预处理的$Hash$值在$O(1)$的时间内得到一个子串的$Hash$值，那么子序列的$Hash$值如何计算呢？换句话说，多个子串拼接而成的新字符串的$Hash$值该如何求解。这里就要理解$Hash$函数的含义——$Hash$函数是将 一个字符串映射为一个$k$进制数的过程，所以当我们想得到$s_l{s}_{l+1}...s_{x-1}{s}_{x+1}...s_{r-1}{s}_r$的$Hash$值时，只需要将得到$Hash[l...x-1]$左移$r-x$位，然后再放入$Hash[x+1...r]$即可。即$$Hash[s_l...s_{x-1}{s}_{x+1}...s_r]=Hash[s_l...s_{x-1}]\ast bas{e}^{r-x}+Hash[s_{x+1}...s_r]$$

完结撒花！

更多练习