字符串哈希

字符串哈希入门

说得通俗一点，字符串哈希实质上就是把每个不同的字符串转成不同的整数。

为什么会有这样的需要呢？很明显，存储一个超长的字符串和存储一个超大但是能存的下的整数，后者所占的空间会少的多，但主要还是为了方便判断一个字符串是否出现过，这是最基础的部分。

当然也很容易想到，如果有不同的字符串转成同一个整数，那么区分功能就基本废掉 ，所以我们需要一个算法把每个字符串转成唯一的整数。所以字符串哈希算法就应运而生，哈希算法的难点也就在于如何构造一个合适的Hash函数来满足我们的需求。

下面就简单介绍几种字符串哈希的基本方法。

基本哈希方法

一般地，给定一个字符串 S=s1s2s3s4...snS=s1s2s3s4...sn，令idx(x)=x−′a′+1idx(x)=x−′a′+1，当然，直接(int)x（用它的ASCll码）也一样。

自然溢出法

这种方法是利用数据结构unsigned long long的范围自然溢出：即当存储的数据大于unsigned long long的存储范围时，会自动mod 264−1264−1，就不用mod其他质数来保证唯一性了。

Hash公式

unsigned long long Hash[n]
hash[i]=hash[i−1]∗p+idx(s[i]);

注意：这里的p一定要是个质数，不然可能无法保证唯一性。

单Hash法

相当于自然溢出法没有了自动取模的操作，所以需要自己进行取模操作。但是这种Hash方法在模数较小的时候的稳定性不一定得到保证，所以在这个方面不如其他方法。

Hash公式

hash[i]=(hash[i−1])∗p+idx(s[i])%mod;

注意：这里的pp和modmod都是质数，且满足p<modp<mod。最好在选取的时候把pp和modmod的值取大一点。

举例

如取p=13,mod=101p=13,mod=101，对字符串abcabc进行Hash

hash[0]=1;
hash[1]=(hash[0] × 13 + 2)%101=15;
hash[2]=(hash[1] × 13 + 3)%101=97;

所以最终字符串abcabc的hash值就是97

双Hash法

其实网上很多博客讲了多Hash，但我觉得双Hash已经足够稳定了，再多一些也只是浪费时间而已。

顾名思义，双Hash就是对一个hash值用两个不同的质数进行两次modmod操作，然后最后用一对数<hash1[n],hash2[n]><hash1[n],hash2[n]>来表示一个字符串的哈希值，这样的一对数的重复几率加上选择较大的质数，冲突率几乎为0。

Hash方法

hash1[i]=(hash1[i−1])∗p+idx(s[i]) % mod1
hash2[i]=(hash2[i−1])∗p+idx(s[i]) % mod2

这样的哈希很安全

Hash素数的选择

为了防止冲突，要选择合适的素数，像1e9+7,1e9+9的一些素数，出题人一般会卡一下下，所以尽量选择其他的素数，防止被卡。下面是一些可供选择的素数。
上界和下界指的是离素数最近的2n2n的值。

获取子串的hash

如果我们求出一个串的Hash，就可以O(1)O(1)求解其子串的Hash值。
公式的推导太复杂...干脆直接贴上来 （绝对不是我想偷懒）

公式

若已知一个|S|=n|S|=n的字符串的hash值，hash[i]hash[i],1≤i≤n1≤i≤n，其子串sl..sr,1≤l≤r≤nsl..sr,1≤l≤r≤n，对应的hash值为：

 

hash=((hash[r]−hash[l−1]∗pr−l+1)%mod+mod)%mod

 

用途：

1. 从左到右与从右到左各哈希一次以判断是否是回文串；