首页 > > 程序设计 > C/C++ >

字符串hash入门

2018-06-17 21:37:06来源：未知阅读 ()

简单介绍一下字符串hash

相信大家对于hash都不陌生

翻译过来就是搞砸,乱搞的意思嘛

hash算法广泛应用于计算机的各类领域，像什么md5，文件效验，磁力链接等等都会用到hash算法

在信息学奥赛中，hash算法主要应用于搜索状态判重，字符串的比较等

hash的主要思想是：对于一个空间、时间需求较大的状态，在一定错误率的基础上进行状态压缩，降低其时间、空间的需求量

对于字符串hash来说，就是把一串字符串压缩成一个hash值，方便我们进行数据的处理

接下来我们重点讲一下字符串hash的实现方法

实现方法

思想

在信息学奥赛中，使用最广泛的算法叫做：BKDR Hash

它的核心思想是：

对于一个字符串，选取恰当的进制，将一个字符串看做是一个大整数

（众人：***,你这是要让我们写高精啊）

然后再对一个随便什么数取模就可以啦

当然这个“恰当的进制”和“随便什么数”是有讲究的

根据砖家的研究：

进制一般选择大于字符串中的最大的字符且不含模数的值因子的数

比如说，如果你是对一串小写字母做字符串hash，那么131这个进制就是不错的选择

而“随便什么数”有三种方法

选择两个模数，判断的时候只有两个hash值都相同才算相同
选择一个大质数，像11111111111111111111111或者212370440130137957
用unsigned long long 自然溢出

注意：尽量不要只用一个较小的质数，根据生日悖论，很容易被卡

代码

代码实现比较简单

https://www.luogu.org/problemnew/show/3370

unsigned long long 自然溢出

 1 #include<iostream>
 2 #include<cstdio>
 3 #include<cstring>
 4 #include<cmath>
 5 #include<cstring>
 6 #include<algorithm>
 7 #include<map>
 8 #define lli long long int 
 9 using namespace std;
10 const int MAXN=100001;
11 int seed=27;
12 void read(int &n)
13 {
14     char c='+';int x=0;bool flag=0;
15     while(c<'0'||c>'9'){c=getchar();if(c=='-')flag=1;}
16     while(c>='0'&&c<='9')x=x*10+c-48,c=getchar();
17     n=flag==1?-x:x;
18 }
19 char a[MAXN];
20 map<long long ,bool>happen;
21 int tot=0;
22 int main()
23 {
24     int n;
25     read(n);
26     for(int i=1;i<=n;i++)
27     {
28         unsigned long long base=1;
29         scanf("%s",a);
30         for(int j=0;j<strlen(a);j++)
31             base=base*seed+(a[j]);
32         if(!happen[base])
33             happen[base]=1,tot++;
34     }
35     printf("%d",tot);
36     return 0;
37 }

ull

双hash

 1 #include<cstdio>
 2 #include<cstring>
 3 #include<algorithm>
 4 #define ull unsigned long long 
 5 using namespace std;
 6 const int MAXN=2e7+10;
 7 const int mod1=19260817;
 8 const int mod2=19660813;
 9 const int seed=233;
10 const int seed2=133;
11 int n;
12 struct node
13 {
14     char s[1501];
15     int h1,h2,l;
16 }a[10001];
17 ull gethash1(char *s,int l)
18 {
19     ull ans=0;
20     for(int i=1;i<=l;i++)
21         ans=(ans*seed+(ull)s[i])%mod1;
22     return ans;
23         
24 }
25 ull gethash2(char *s,int l)
26 {
27     ull ans=0;
28     for(int i=1;i<=l;i++)
29         ans=(ans*seed2+(ull)s[i])%mod2;
30     return ans;
31 }
32 int hash1[MAXN],hash2[MAXN];
33 int main()
34 {
35     scanf("%d",&n);
36     for(int i=1;i<=n;i++)
37     {
38         scanf("%s",a[i].s+1);
39         a[i].l=strlen(a[i].s+1);
40     }
41     for(int i=1;i<=n;i++)
42     {
43         a[i].h1=gethash1(a[i].s,a[i].l)%mod1;
44         a[i].h2=gethash2(a[i].s,a[i].l)%mod2;
45     }
46     int ans=0;
47     for(int i=1;i<=n;i++)
48         if(hash1[a[i].h1]==0||hash2[a[i].h2]==0)
49             hash1[a[i].h1]=1,hash2[a[i].h2]=1,ans++;
50     printf("%d",ans);
51     return 0;
52 }

双hash

大质数hash

 1 #include<iostream>
 2 #include<cstdio>
 3 #include<cstring>
 4 #include<cmath>
 5 #include<cstring>
 6 #include<algorithm>
 7 #include<map>
 8 #define lli long long int 
 9 using namespace std;
10 const int MAXN=100001;
11 const long long int mod=212370440130137957;
12 int seed=27;
13 void read(int &n)
14 {
15     char c='+';int x=0;bool flag=0;
16     while(c<'0'||c>'9'){c=getchar();if(c=='-')flag=1;}
17     while(c>='0'&&c<='9')x=x*10+c-48,c=getchar();
18     n=flag==1?-x:x;
19 }
20 char a[MAXN];
21 map<int,bool>happen;
22 int tot=0;
23 int main()
24 {
25     int n;
26     read(n);
27     for(int i=1;i<=n;i++)
28     {
29         long long base=1;
30         scanf("%s",a);
31         int la=strlen(a);
32         for(int j=0;j<la;j++)
33             base=(base*seed+(a[j]) )%mod;
34         if(!happen[base])
35             happen[base]=1,tot++;
36     }
37     printf("%d",tot);
38     return 0;
39 }

大质数

特别注意：在循环的时候，不要写： for(int j=0;j<strlen(a);j++) ！！！！因为strlen的复杂度是$O(n^2)$，数据稍微一大你就会被卡T

正确的姿势是把长度记录下来 int la=strlen(a); for(int j=0;j<la;j++)

常用技巧：区间hash值

在进行字符串hash的时候，我们经常会用到某一段的hash值

这时候怎么办呢？

假设我们已经得到了$hash[1-r]$

那么$hash[l-r]=hash[r]-seed^{r-l+1}*hash[l]$（seed表示进制）

举个例子

$hash[1]=a1$

$hash[2]=a1*base+a_2$

$hash[3]=(a_1*seed+a_2)*seed+a_3=a_1*seed^2+a_2*seed+a_3$

$hash[4]=[(a[1*seed+a_2)*seed+a_3]*seed+a_4=a1*seed^3+a2*seed^2+a_3*seed+a_4$

$hash[3-4]=hash[4]-(4-3+1)^2*hash[2]=a_3*seed+a_4$

很明显可以看出这个公式是对的

最好自己手写一下，这样才能体会到其中的奥妙

经典题目

洛谷 P3370 【模板】字符串哈希

必做练手题，代码已经在上面给出了

洛谷 P3375 【模板】KMP字符串匹配

这道题可以用字符串hash水过

http://www.cnblogs.com/zwfymqz/p/7793347.html

洛谷P2264 情书

这道题理论上是可以用字符串hash做的

但是我只水到90分，各位神犇可以尝试一下

http://www.cnblogs.com/zwfymqz/p/7355159.html

BZOJ 3555: [Ctsc2014]企鹅QQ

略有难度

http://www.cnblogs.com/zwfymqz/p/7349658.html

洛谷P3823 蚯蚓排队

其他经典应用

以下内容来自远航之曲大神，在此表示衷心的感谢

1、kmp

问题：给两个字符串S1，S2，求S2是否是S1的子串，并求S2在S1中出现的次数

把S2 Hash出来，在S1里找所有长度为$ $| S 2 |$

2、AC自动机

问题：给N个单词串，和一个文章串，求每个单词串是否是文章串的子串，并求每个单词在文章中出现的次数。

把每一个单词hash成整数，再把文章的每一个子串hash成整数，接下来只需要进行整数上的查找即可。

复杂度：$ $O (| A |^{2} + | S |)$

用AC自动机可以做到$ $O (| A | + | S |)$

3、后缀数组

问题：给两个字符串S1,S2，求它们的最长公共子串的长度。

将S1的每一个子串都hash成一个整数，将S2的每一个子串都hash成一个整数

两堆整数，相同的配对，并且找到所表示的字符串长度最大的即可。

复杂度：$ $O (| S 1 |^{2} + | S 2 |^{2})$

用后缀数组可以优化到$ $O (| S | l o g | S |)$

4、马拉车

问题：给一个字符串S，求S的最长回文子串。

先求子串长度位奇数的，再求偶数的。枚举回文子串的中心位置，然后二分子串的长度，直到找到一个该位置的最长回文子串，不断维护长度最大值即可。

复杂度：$ $O (| S | l o g | S |)$

用manacher可以做到$ $O (| S |)$

5、扩展kmp

问题：给一个字符串S，求S的每个后缀与S的最长公共前缀

枚举每一个后缀的起始位置，二分长度，求出每个后缀与S的最长公共前缀。

复杂度：$ $O (| S | l o g | S |)$

用extend-kmp可以做到$ $O (| S |)$