字符串hash入门
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
#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<cstring>
#include<algorithm>
#include<map>
#define lli long long int
using namespace std;
const int MAXN=;
int seed=;
void read(int &n)
{
char c='+';int x=;bool flag=;
while(c<''||c>''){c=getchar();if(c=='-')flag=;}
while(c>=''&&c<='')x=x*+c-,c=getchar();
n=flag==?-x:x;
}
char a[MAXN];
map<long long ,bool>happen;
int tot=;
int main()
{
int n;
read(n);
for(int i=;i<=n;i++)
{
unsigned long long base=;
scanf("%s",a);
for(int j=;j<strlen(a);j++)
base=base*seed+(a[j]);
if(!happen[base])
happen[base]=,tot++;
}
printf("%d",tot);
return ;
}
ull
- 双hash
#include<cstdio>
#include<cstring>
#include<algorithm>
#define ull unsigned long long
using namespace std;
const int MAXN=2e7+;
const int mod1=;
const int mod2=;
const int seed=;
const int seed2=;
int n;
struct node
{
char s[];
int h1,h2,l;
}a[];
ull gethash1(char *s,int l)
{
ull ans=;
for(int i=;i<=l;i++)
ans=(ans*seed+(ull)s[i])%mod1;
return ans; }
ull gethash2(char *s,int l)
{
ull ans=;
for(int i=;i<=l;i++)
ans=(ans*seed2+(ull)s[i])%mod2;
return ans;
}
int hash1[MAXN],hash2[MAXN];
int main()
{
scanf("%d",&n);
for(int i=;i<=n;i++)
{
scanf("%s",a[i].s+);
a[i].l=strlen(a[i].s+);
}
for(int i=;i<=n;i++)
{
a[i].h1=gethash1(a[i].s,a[i].l)%mod1;
a[i].h2=gethash2(a[i].s,a[i].l)%mod2;
}
int ans=;
for(int i=;i<=n;i++)
if(hash1[a[i].h1]==||hash2[a[i].h2]==)
hash1[a[i].h1]=,hash2[a[i].h2]=,ans++;
printf("%d",ans);
return ;
}
双hash
- 大质数hash
#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<cstring>
#include<algorithm>
#include<map>
#define lli long long int
using namespace std;
const int MAXN=;
const long long int mod=;
int seed=;
void read(int &n)
{
char c='+';int x=;bool flag=;
while(c<''||c>''){c=getchar();if(c=='-')flag=;}
while(c>=''&&c<='')x=x*+c-,c=getchar();
n=flag==?-x:x;
}
char a[MAXN];
map<int,bool>happen;
int tot=;
int main()
{
int n;
read(n);
for(int i=;i<=n;i++)
{
long long base=;
scanf("%s",a);
int la=strlen(a);
for(int j=;j<la;j++)
base=(base*seed+(a[j]) )%mod;
if(!happen[base])
happen[base]=,tot++;
}
printf("%d",tot);
return ;
}
大质数
特别注意:在循环的时候,不要写: for(int j=;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=;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$hash[l-r]=hash[r]-seed^{r-l+1}*hash[l - 1]$(seed表示进制)
举个例子
$hash[1]=a1$
$hash[2]=a1*base+a_2$
$hash[3]=(a_1*seed+a_2)*seed+a_3=a_1*seed^2+a_2*seed+a_3$
$hash[4]=[(a[1*seed+a_2)*seed+a_3]*seed+a_4=a1*seed^3+a2*seed^2+a_3*seed+a_4$
$hash[3-4]=hash[4]-base^{2}*hash[2]=a_3*seed+a_4$
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$|S2|$的子串,Hash比较。效率$O(|S1|)$
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$O(|A|+|S|)$的复杂度,|S|是单词串总长,$|A|$是文章长度
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:$O(|S1|2+|S2|2)$
用后缀数组可以优化到$O(|S|log|S|)$
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:$O(|S|log|S|)$
用manacher可以做到$O(|S|)$的复杂度
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:$O(|S|log|S|)$
用extend-kmp可以做到$O(|S|)$的复杂度
总结
字符串hash是一个非常优秀的算法。
希望大家能够熟练的掌握&&运用
说不定它可以在你写不出正解的时候帮你得很多分呢?
字符串hash入门的更多相关文章
- bzoj 2803 [Poi2012]Prefixuffix 兼字符串hash入门
打cf的时候遇到的问题,clairs告诉我这是POI2012 的原题..原谅我菜没写过..于是拐过来写这道题并且学了下string hash. 字符串hash基于Rabin-Karp算法,并且对于 ...
- HDU 1880 字符串hash 入门题
Problem Description 哈利波特在魔法学校的必修课之一就是学习魔咒.据说魔法世界有100000种不同的魔咒,哈利很难全部记住,但是为了对抗强敌,他必须在危急时刻能够调用任何一个需要的魔 ...
- (通俗易懂小白入门)字符串Hash+map判重——暴力且优雅
字符串Hash 今天我们要讲解的是用于处理字符串匹配查重的一个算法,当我们处理一些问题如给出10000个字符串输出其中不同的个数,或者给一个长度100000的字符串,找出其中相同的字符串有多少个(这样 ...
- hash进阶:使用字符串hash乱搞的姿势
前言 此文主要介绍hash的各种乱搞方法,hash入门请参照我之前这篇文章 不好意思hash真的可以为所欲为 在开头先放一下题表(其实就是我题解中的hash题目qwq) 查询子串hash值 必备的入门 ...
- [知识点]字符串Hash
1.前言 字符串的几大主要算法都多少提及过,现在来讲讲一个称不上什么算法, 但是非常常用的东西——字符串Hash. 2.Hash的概念 Hash更详细的概念不多说了,它的作用在于能够对复杂的状态进行简 ...
- 【BZOJ-3555】企鹅QQ 字符串Hash
3555: [Ctsc2014]企鹅QQ Time Limit: 20 Sec Memory Limit: 256 MBSubmit: 1545 Solved: 593[Submit][Statu ...
- POJ 1200 字符串HASH
题目链接:http://poj.org/problem?id=1200 题意:给定一个字符串,字符串只有NC个不同的字符,问这个字符串所有长度为N的子串有多少个不相同. 思路:字符串HASH,因为只有 ...
- LA4671 K-neighbor substrings(FFT + 字符串Hash)
题目 Source http://acm.hust.edu.cn/vjudge/problem/19225 Description The Hamming distance between two s ...
- 各种字符串Hash函数比较(转)
常用的字符串Hash函数还有ELFHash,APHash等等,都是十分简单有效的方法.这些函数使用位运算使得每一个字符都对最后的函数值产生影响.另外还有以MD5和SHA1为代表的杂凑函数,这些函数几乎 ...
随机推荐
- QEMU KVM Libvirt手册(10): KVM的各种限制
Overcommits KVM allows for both memory and disk space overcommit. However, hard errors resulting fro ...
- nova boot from volume代码分析
首先要创建一个bootable volume curl -i http://16.158.166.197:8776/v1/c24c59846a7f44538d958e7548cc74a3/volume ...
- 高德地图JS API获取经纬度,根据经纬度获取城市
<!DOCTYPE HTML> <html> <head> <meta http-equiv="Content-Type" content ...
- [Reversing.kr] Easy ELF Writeup
IDA打开,看到main()函数,当sub_8048451() 返回1 是flag正确. 跟踪函数. 脚本: #!usr/bin/env python #!coding=utf-8 __author_ ...
- HBase之CF持久化系列(续3——完结篇)
相信大家在看了该系列的前两篇文章就已经对其中的持久化有比较深入的了解.相对而言,本节内容只是对前两节的一个巩固.与持久化相对应的是打开文件并将其内容读入到内存变量中.而在本节,我就来介绍这一点. 本节 ...
- Docker技术知识点总结
Docker技术知识点总结 本文宿主机环境Centos7.4Docker version 18.09.2, build 6247962采用国内 Daocloud 加速器---------------- ...
- Nginx学习系列一搭建环境
1.Win10下安装vmware14虚拟机软件 官方下载地址 全程next,输入key,激活即可. 2.在虚拟机中安装Linux服务器环境,操作系统为Centos7 继续下一步,安装完成! 3.下载C ...
- 『字符串模式匹配 KMP』
字符串模式匹配 我们要先了解一下问题是什么. 模式匹配是数据结构中字符串的一种基本运算,给定一个子串,要求在某个字符串中找出与该子串相同的所有子串,这就是模式匹配. KMP 然后我们来认识一下今天的主 ...
- 排查线上问题常用的几个Linux命令
top 相当于Windows任务管理器 可以看到,输出结果分两部分,前5行是总览,下面是具体的进程资源占用情况.下面逐行看一下 第1行 top - 18:14:58 up 112 days, 1:3 ...
- InstallShield Limited Edition Project 打包windows服务解析
最近项目从vs2005 升级到vs2010后,发现新的vs2010 不再带有原来的安装工程项目,导致以前的安装包不可以使用,查找资料后发现微软从vs2010 版本后不再提供自带的安装工程,尝试着利用 ...