【字符串】优雅的暴力——字符串下的哈希判重问题

妖狐艹你老母 2021-11-22 08:02 275阅读 0赞

在刷题/比赛时经常会遇到判重的问题，那么这次就来讲一讲字符串上的判重问题。

**▎哈希是什么**

判重我们通常会想到什么？小编首先想到的是桶排序，这种排序正是用了哈希的方法，其实把哈希理解为一堆桶更合适。

比如说现在给你一堆数字，让你判断一共有几种数字（也就是重复出现的不算）： 1 5 4 1 1 3 5 6 。以哈希的思想来解决就是这样的：

![1551435-20190526183255224-2098356012.png][]

放若干个桶，每个桶代表一种数，遇到相应的数字就放进去，判断几种数字就转换成了判断有几个有东西的桶就可以了。

那么，接下来思考一个问题：怎么存这些桶？要存这些桶只要用绝对不可能重复出现的量来代表桶的序号，例如……数组下标！我们可以利用数组下标来当做桶，每个桶里面东西的个数就是对应数组元素的值。比如说用一个叫做a的数组来存这些桶，当遇到数字3时，只要将a\[ 3 \] ++；就可以了。

其实这就是哈希，所以说理解成一堆桶更形象。

**▎字符串下的哈希**

看到这里，你一定会想，字符串哈希有什么好讲的？不也是一个道理吗？当然不行！仔细想想，数组下标怎么存储成字符串呢？数组下标都是整数的啊！

此时出路就很敞亮了，我们可以把字符串转换成整数处理！

还记得吗？在最开始学习时还学过ASCII码，我们可以通过强制转换替换成整数。

可是问题又来了，如何用ASCII表示字符串？例如AB，其中A的ASCII码是65，B的ASCII码是66。

1）用加的：AB表示为65+66=131。反例：BA表示为66+65=131，可AB和BA不一样；

2）用减的、乘的、除的，似乎都同上，表示出的值都不唯一；

3）放在一起：AB表示为6566，这样的确举不出什么反例了，但是数字的值变大了，同时也区分不回去了，6566究竟是6和566呢？还是6,56和6呢？似乎不知道原来的字符串长什么样了。

自然而然，我们便想到了转进制，这样不易发生问题。那么取什么样的进制会不发生或少发生问题呢？我们往往会取27,233,19260817等等，具体会视情况而定。（稍后会有例题讲解）。

有时会超出unsigned long long的范围，那该怎么办呢？那么我们就要用取模的方法了，通常会模一个很大的质数，模多少可以看看题后的数据规模是多大。

有些时候会发生一些情况，比如3%2=1,5%2=1（打个比方，一般模数不会这么小），所以两个数取模后当成了一个数来处理，这便叫做**哈希冲突**，在做题时要减少这种冲突的产生。

**▎例题——【模板】字符串哈希**

## 题目描述 ##

如题，给定N个字符串（第i个字符串长度为Mi，字符串内包含数字、大小写字母，大小写敏感），请求出N个字符串中共有多少个不同的字符串。

## 输入输出格式 ##

输入格式：

第一行包含一个整数N，为字符串的个数。

接下来N行每行包含一个字符串，为所提供的字符串。

输出格式：

输出包含一行，包含一个整数，为不同的字符串个数。

## 输入输出样例 ##

输入样例\#1：

5
    abc
    aaaa
    abc
    abcc
    12345

输出样例\#1：

## 说明 ##

时空限制：1000ms,128M

数据规模：

对于30%的数据：N<=10，Mi≈6，Mmax<=15;

对于70%的数据：N<=1000，Mi≈100，Mmax<=150

对于100%的数据：N<=10000，Mi≈1000，Mmax<=1500

样例说明：

样例中第一个字符串(abc)和第三个字符串(abc)是一样的，所以所提供字符串的集合为\{aaaa,abc,abcc,12345\}，故共计4个不同的字符串。

这道题完全是模板题，直接套思路就好了。

**▎Code speaks louder than words!**

话不多说，直接上代码（详见注释）

1 #include<iostream>
     2 #include<algorithm>
     3 using namespace std;
     4 string s;int n;int hash[10000],mod=19270817,k=30,ans=1;
     5 int Hash(string str)
     6 {
     7         int len=str.length();
     8         int value=0;
     9         for(int i=0;i<len;i++)
    10         value=value*k+((int)str[i]-96);//转进制
    11         return value;//这里其实也可以模一下，不过数据规模没有那么大
    12 }
    13 int main()
    14 {
    15         cin>>n;
    16         for(int i=1;i<=n;i++)
    17         {
    18                 cin>>s;
    19                 hash[i]=Hash(s);//存储每个字符串转换后的哈希值
    20         }
    21         sort(hash+1,hash+n+1);//排序，目的是为了排除相同哈希值的字符串
    22         for(int i=2;i<=n;i++)
    23         if(hash[i]!=hash[i-1]) ans++;//如果哈希值不同，那么两个字符串就不一样
    24         cout<<ans;
    25         return 0;
    26 }

**▎map是啥？**

说来对于这种题来说还有一大利器——map。简单介绍一下：

1）头文件：\#include<map>

2）定义：map< 类型 ， 类型 > 变量名；

第一个类型是数组下标的类型，第二个变量是数组值的类型

3）用处：map定义出来的东西可以理解为数组下标为任意的数组，这恰恰起到了刚才那道题最开始思路的效果

4）举个栗子：比如说要定义一个数组下标是字符串的整型数组s，可以这么写map< string , int > s；

怎么解刚才那道题？直接普通哈希就可以了，就不写注释了。

1 #include<iostream>
     2 #include<map>
     3 using namespace std;
     4 map<string,int>s;string str[100000];int n,ans;
     5 int main()
     6 {
     7     cin>>n;
     8     for(int i=1;i<=n;i++)
     9     {
    10         cin>>str[i];
    11         s[str[i]]=1;
    12     }
    13     for(int i=1;i<=n;i++)
    14     {
    15         if(s[str[i]]==1)
    16         {
    17             ans++;
    18             s[str[i]]=0;
    19         }
    20     }
    21     cout<<ans;
    22     return 0;
    23 }

**▎为什么放着map不用而用前一种方法**

map看起来好用，就像数组一样，其实map只是单单的映射，简单来说就是暴力查询，时间复杂度可想而知，这速度很慢，有时是可以AC题目的，但有时是满足不了题目的要求的时间的，所以还是老老实实用字符串下的哈希吧。

转载于:https://www.cnblogs.com/TFLS-gzr/p/10927097.html

[1551435-20190526183255224-2098356012.png]: /images/20211122/5163f8f2e18a408a9099fca228d49427.png