浅谈字符串Hash

浅谈字符串Hash

本篇随笔讲解Hash（散列表）的一个重要应用：字符串Hash。

关于Hash

Hash是一种数据结构，叫做Hash表（哈希表），也叫散列表。关于Hash的实现，其实与离散化颇为类似。就是把若干的复杂的信息映射到一个比较容易维护的值域去。具体的实现方式是散列函数，即Hash函数，其原理是对于一个数据，选取一个关键键值\(k\)，那么这个数据在Hash表中的位置就是\(f(k)\)。那么这个对应关系（\(f()\)）就是哈希函数。

哈希冲突

因为我们只是定义了一个\(f()\)作为哈希函数，并没有定义这个\(f()\)到底是什么样的函数。所以显然地，可能会出现一个函数\(f(k)\)，使得两个不同的\(k(k_1\not=k_2)\)而出现函数值相等的情况\(f(k_1)=f(k_2)\)（比如二次函数）。这种情况被称作哈希冲突。导致答案错误。

关于字符串Hash

字符串哈希就是在字符串上进行哈希。字符串哈希的用处是快速判断两个字符串是否相等。

一个简单的思想：将一个字符串转化为一个整数，这样，只需要比较整数相不相等就可以判断这个串是否重复出现过（不考虑哈希冲突）。

但是这个思想不考虑哈希冲突，不代表我们实现的时候也肯定不会出现哈希冲突。那么，我们当然希望我们哈希的东西（哈希映射，散列函数）是一个单射。

那么，我们用什么方法来避免哈希冲突呢？

自然溢出

给定一个字符串\(S=s_1s_2s_3\cdots s_n\)，我们规定：\(f(x)=x-'a'+1\).

那么，自然溢出的哈希公式可以如此这么表示：

\[hash[i]=hash[i-1]*p+f(i) \]

注意，这里的哈希数组是\(unsigned\, long\, long\)范围的，所以可以通过自然溢出而自动取模\(2^{64}-1\)。

单Hash法

单Hash法的哈希公式可以这么表示：

\[hash[i]=(hash[i]*p)+f(i)\%mod\quad (p<mod) \]

显然，\(mod\)越小越容易冲突，所以我们把\(p,mod\)都尽量取大即可。

这种方法仍然存在哈希冲突的概率，只不过特别低。实际运用的时候可以使用这种方法。除非你RP低到一定境界，否则不会被卡掉。

例如：

\(p=13,mod=101\)，对\(abc\)进行如上所示的\(hash\)。

\(hash[0]=1\)（从0开始计算）

\(hash[1]=15\)

\(hash[2]=97\)

那么97就是\(abc\)的hash值。

双hash法

hash一遍可能还会出现冲突，那我hash两遍。这就是双Hash法。

开一个二元组，用两个不同的\(mod\)来分别\(Hash\)，得到的两个结果存进二元组，作为哈希的结果。

同理，你还可以开一个结构体，多哈希几遍（强迫症患者）（滑稽.jpg）

子串Hash

字符串子串是个常见的问题，变式很多。

但是，显然的是，如果我们求出了一个大串的hash,就能以\(O(1)\)的时间求解其子串的哈希值。

来让我们解释一下这个“显然”的含义：

\(hash[1]=s1\)
\(hash[2]=s1∗p+s2\)
\(hash[3]=s1∗p2+s2∗p+s3\)
\(hash[4]=s1∗p3+s2∗p2+s3∗p+s4\)
\(hash[5]=s1∗p4+s2∗p3+s3∗p2+s4∗p+s5\)
现在展示的是1-5的哈希。

如果我们要求s3s4的哈希，容易得出（根据哈希公式）：\(s_3\times p+s_4\)。我们把\(hash[4],hash[2]\)进行消元处理的话，就能将结果中带有\(s_1,s_2\)的系数消掉，而这个操作只需要乘上\(p^2\)即可。

那么：

\[hash[4]-hash[2]\times p^{4-3+1=2} \]

那么我们处理出通项公式：

\[hash[i]-hash[j-1]\times p^{i-j+1} \]

取模的时候为了防止减法运算出现负数，还要做如下处理：

\[hash=((hash[i]-hash[j-1]\times p^{j-i+1})\%mod+mod)\%mod \]

这就完事了。