字符串hash与字典树

其他 2018-08-01 23:50:22 阅读次数: 0

title: 字符串hash与字典树
date: 2018-08-01 22:05:29
tags:

  • acm
  • 算法

  • 字符串

概述

这篇主要是关于字符串里的 字符串hash 和 字符串字典树，，两个都是简单的套模板的东西，，，理解基本思想就行了，，，对了，，还有一个字典树的的变形--01字典树；

字符串hash

如何求一个字符串的hash值

字符串hash的作用就是将 字符串有效的转化为一个整数 ，，这个转化过程利用的是一个 hash函数

例如，，我们选hash函数为 \(hash[i]=(hash[i-1]*p+idx(s[i]))%mod\)
其中的idx(s)为s的一个自定义索引，，，例如a = 1 , b = 2.....

这时，，取 p=13,mod=101,把abc映射成一个整数
hash[0]=1，表示 a 映射为1
hash[1]=(hash[0]p+idx(b))%mod=15，表示 ab 映射为 15
hash[2]=(hash[1]p+idx(c))%mod=97

所以abc就被映射成97。

同样对于其他的字符串也可以由此算出一个hash值，，，

当然这里的p , MOD要选取合适，，，否则可能会出现不同字符串有相同的hash值，，，

一般来说，，，p和mod一般取素数，p取一个较大的素数即可（6位到8位），mod取一个大素数，比如1e9+7，或者1e9+9....

一般的模板，，，

const unsigned long long p = 1e9 + 13;
const unsigned long long mod = 1e9 + 7;
unsigned long long hashStr(char *s){
    unsigned long long h=0;
    for(int i=0;i<len;i++){
        unsigned long long value;
        char c=s[i];
        if(c>='0'&&c<='9')  value=c-'0';
        else if(c>='a'&&c<='z') value=c-'a'+10;
        else    value=c-'A'+36;
        h=(h*p+value)%mod;
    }
    return h;

如何求一个字符串任意子串的hash值

最容易想到的方法就是不管原来的字符串，，，
单独对于子串从 l 到 r 直接用刚刚求hash的方法求就行了，，，
但是当数据量大时，，，时间复杂度就很高了，，，，

上面的那个公式中hash[i]求得时字符串第i个前缀的hash值，，，，相当于是一个hash的前缀和，，，，

要求的子串 \(hash[l..r] == (hash[r] - hash[l - 1] * p^{r - l + 1}) \% MOD\)

**对了，，，这样直接求可能有负数，，，要判断+=mod一下。。。。。。

几个常用的求字符串hash算法

有些借鉴，，，

  • \(hash[i] = (hash[i - 1] * p + idx(s[i])) \% MOD\)
    常用，，，

  • unsigned long long hash[N];hash[i] = hash[i - 1] * p;这个自动取模，，，当数超过 \(2^{64}-1\)时就会溢出，，，相当于取模 \(2^{64}\)的过程，，，

  • 双hash，，，有些情况下一个hash可能会出现冲突，，，那就换两个，，，两个不行就换三个，，，，什么？！三个还不行？？？！！！那就四个或则换算法，，，逃，，，实现：取两个mod，，一般取1e9+7和1e9+9两个孪生素数，，，冲突概率已经很低了，，，，，

字典树

简单来说就是把n个字符串用树保存，，，这样查询的时候一层一层的找，，，，

构建节点

一般的字典树的结构体定义如下:

const int maxn = 26;
struct Trie   
{   
    Trie *next[maxn];   
    int v;   //根据需要变化
};   
 
Trie *root;

插入

void Insert(char *str)
{
    int len = strlen(str);
    trie *p = root;
    //insert
    for (int i = 0; i < len; i++)
    {
        int t = str[i] - 'a';
        //NULL
        if (p->next[t] == NULL)
        {
            p->next[t] = new trie();
            p = p->next[t];
        }
        else
        {
            p = p->next[t];
            p->sum ++;
        }
    }
}

查询

int query(char *str)
{
    int len = strlen(str);
    trie *p = root;
    for (int i = 0; i < len; i++)
    {
        int t = str[i] - 'a';
        p = p->next[t];
        //NULL
        if (p == NULL)  return 0;
    }
    return p->sum;
}

释放内存

不然可能有的题mle,,,,,

void free(trie *t)
{
    if (t == NULL)
        return;
    for(int i = 0; i < maxn; i++)
        if (t->next[i]) free(t->next[i]);
    delete (t);
}

虽然是模板化的东西但是也要不死套模板，，，，，QAQ

习题

前三道都是模板题，，上午讲过，，，最后一题是01字典树问题，，，以后要再看一下，，，看到不同的好几种实现方法，，，没有来的及总结一下，，，，

Problem A: A

Time Limit: 1 Sec Memory Limit: 128 MB

Description

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。

Input

输入，第一行一个N
接下来N行每行包含一个字符串

Output

输出不同字符串的个数

Sample Input
5
abc
aaaa
abc
abcc
12345

Sample Output
4
我的代码：

//#include <iostream>
#include <bits/stdc++.h>
using namespace std;
typedef unsigned long long ull;
const ull p = 1e9 + 13;
const ull mod = 1e9 + 7;
const int maxn = 1e6;
ull a[maxn];
ull hashstr(char *s)
{
    ull h = 0;
    for (int i = 0; i < strlen(s); i++)
    {
        ull idx;
        if (s[i] >= '0' && s[i] <= '9')         idx = s[i] - '0';
        else if (s[i] >= 'a' && s[i] <= 'z')    idx = s[i] - 'a' + 10;
        else if (s[i] >= 'A' && s[i] <= 'Z')    idx = s[i] - 'A' + 36;
        h = (h * p + idx) % mod;
    }
    return h;
}
int main()
{
    int n;scanf("%d" , &n);
    char t[maxn];
    for (int i = 1; i <= n; i++)
    {
        //gets(t);
        scanf("%s" , &t);
        a[i] = hashstr(t);
    }

    sort(a + 1 , a + 1 + n);

    int ans = 0;
    int cur = -1;
    for (int i = 1; i <= n; i++)
        if (a[i] != cur)
        {
            cur = a[i];
            ans++;
        }
    cout << ans << endl;
    return 0;
}

学长的，，，

#include<iostream>
#include<cstdio>
#include<algorithm>
#include<cstring>
#include<bits/stdc++.h>
using namespace std;
typedef unsigned long long ull;
ull base=131;
ull a[10010];
char s[1010];
ull Hash(char *s)
{
    int len=strlen(s);
    ull ans=0;
    for(int i=0;i<len;i++)
        ans=ans*base+(ull)s[i];
    return ans;
}
int main()
{
    /*srand(NULL);
    freopen("data.in","r",stdin);
    freopen("data.out","w",stdout);*/
    /*printf("1000\n");
    for(int i=1;i<=1000;i++)
    {
        int len=rand()%1000+1;
        for(int i=0;i<len;i++)
        {
            int t=rand()%3;
            if(t==0)
                s[i]='0'+rand()%10;
            else if(t==1)
                s[i]='A'+rand()%26;
            else
                s[i]='a'+rand()%26;
        }
        s[len]='\0';
        cout<<s<<endl;
    }*/
    int N,i=1,ans=1;
    scanf("%d",&N);
    for(int i=1;i<=N;i++)
    {
        scanf("%s",&s);
        a[i]=Hash(s);
    }
    sort(a+1,a+1+N);
    for(int i=2;i<=N;i++)
    {
        if(a[i]!=a[i-1])
            ans++;
    }
    printf("%d\n",ans);
}

Problem B: B

Time Limit: 1 Sec Memory Limit: 128 MB

Description

HHM在阅读一篇文章，他想找出来一个单词的频率，也就是这个单词在文章中出现了几次。聪明的你赶快帮帮他

Input

输入包含多组数据。

输入文件的第一行有一个整数，代表数据组数。接下来是这些数据，以如下格式给出：

第一行是单词W，一个由{'A','B','C',...,'Z'}中字母组成的字符串，保证1<=|W|<=10000（|W|代表字符串W的长度）

第二行是文章T，一个由{'A','B','C',...,'Z'}中字母组成的字符串，保证|W|<=|T|<=1000000。

Output

对每组数据输出一行一个整数，即W在T中出现的次数。

Sample Input
3
BAPC
BAPC
AZA
AZAZAZA
VERDI
AVERDXIVYERDIAN

Sample Output
1
3
0

HINT

字符串哈希思路

我的代码：

//#include <iostream>
#include <bits/stdc++.h>
using namespace std;
typedef unsigned long long ull;
const ull p = 1e9 + 13;
const ull MOD = 1e9 + 7;
const int maxn = 1e4 + 5;
const int maxm = 1e4 + 6;
ull pow1 (ull x , ull n)
{
    ull res = x;
    ull ans = 1;
    while (n)
    {
        if (n & 1)  ans = ans * res % MOD;
         res = res * res % MOD;
         n >>= 1;                           //b右移相当于除以二
    }
    return ans;
}
int main()
{
    int n;scanf("%d" , &n);
    while (n--)
    {
        char word[maxn];
        scanf("%s" , word);
        //gets(word);
        char text[maxm];
        scanf("%s" , text);
        //gets(text);

        ull hash_word = 0;
        for (int i = 0; i < strlen(word); i++)
        {
            ull idx = word[i] - 'A' + 1;
            hash_word = (hash_word * p + idx) % MOD;
        }
        ull hash_t[maxm];
        memset(hash_t , 0 , sizeof hash_t);
        for (int i = 1; i <= strlen(text); i++)
        {
            ull idx = text[i - 1] - 'A' + 1;
            hash_t[i] = (hash_t[i - 1] * p + idx) % MOD;
        }

        ull ans = 0;
        ull len = strlen(word);
        for (ull i = len; i <= strlen(text); i++)
        {
            ull t = hash_t[i] - hash_t[i - len] * pow1(p , len);//cout << t << endl;
            if (t < 0)  t = (t + MOD) % MOD;
            else        t %= MOD;
            if (t == hash_word)
                ans++;
        }
        cout << ans << endl;
    }
    return 0;
}

学长的代码:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<bits/stdc++.h>
using namespace std;
typedef unsigned long long ull;
ull base=131;
ull p[100010],a2[1000010];
char s1[10010],s2[1000010];
ull get(int l,int r)
{
    return (ull)a2[r]-p[r-l+1]*a2[l-1];
}
int main()
{
    srand(NULL);
    freopen("data.in","w",stdout);
    //freopen("data.out","w",stdout);
    printf("97\n");
    for(int i=1;i<=97;i++)
    {
        int p1=rand()%10000+1;
        int p2=rand()%10000+1;
        if(p1>p2)
            swap(p1,p2);
        for(int j=0;j<p1;j++)
            s1[j]='A'+rand()%26;
        s1[p1]='\0';
        for(int j=0;j<p2;j++)
            s2[j]='A'+rand()%26;
        s2[p2]='\0';
        cout<<s1<<endl;
        cout<<s2<<endl;
    }
    /*p[0]=1;
    for(int i=1;i<=10000;i++)
        p[i]=p[i-1]*base;
    int T;
    scanf("%d",&T);
    while(T--)
    {
        scanf("%s%s",&s1,&s2);
        int len1=strlen(s1),len2=strlen(s2);
        ull a1=0;
        int ans=0;
        for(int i=0;i<len1;i++)
            a1=a1*base+(ull)s1[i];
        a2[0]=(ull)s2[0];
        for(int i=1;i<len2;i++)
            a2[i]=a2[i-1]*base+(ull)s2[i];

        for(int i=0;i+len1-1<len2;i++)
            if(a1==get(i,i+len1-1))
                ans++;
        printf("%d\n",ans);
    }*/
}

Problem C: C

Time Limit: 1 Sec Memory Limit: 128 MB

Description

HMM最近遇到一个难题,老师交给他很多单词(只有小写字母组成,不会有重复的单词出现),现在老师要他统计出以某个字符串为前缀的单词数量(单词本身也是自己的前缀).

Input

输入数据的第一部分是一张单词表,每行一个单词,单词的长度不超过10,它们代表的是老师交给HMM统计的单词,一个#代表单词表的结束.第二部分是一连串的提问,每行一个提问,每个提问都是一个字符串.

Output

对于每个提问,给出以该字符串为前缀的单词的数量.

Sample Input
banana
band
bee
absolute
acm

ba
b
band
abc

Sample Output
2
3
1
0

我的代码：

#include <iostream>
//#include <bits/stdc++.h>
#include <cstring>
#include <cstdlib>
#include <cstdio>
#define ms(a , b) memset(a , b , sizeof(a))
using namespace std;
const int maxn = 27;
struct trie
{
    trie *next[maxn];
    int sum;
    trie()
    {
        sum = 1;
        ms(next , NULL);
    }
}*root;
void Insert(char *str)
{
    int len = strlen(str);
    trie *p = root;
    //insert
    for (int i = 0; i < len; i++)
    {
        int t = str[i] - 'a';
        //NULL
        if (p->next[t] == NULL)
        {
            p->next[t] = new trie();
            p = p->next[t];
        }
        else
        {
            p = p->next[t];
            p->sum ++;
        }
    }
}
int query(char *str)
{
    int len = strlen(str);
    trie *p = root;
    for (int i = 0; i < len; i++)
    {
        int t = str[i] - 'a';
        p = p->next[t];
        //NULL
        if (p == NULL)  return 0;
    }
    return p->sum;
}
void free(trie *t)
{
    if (t == NULL)
        return;
    for(int i = 0; i < maxn; i++)
        if (t->next[i]) free(t->next[i]);
    delete (t);
}
int main()
{
    char str[maxn];
    root = new trie;
    while(gets(str) && str[0] != '#')
    {
        Insert(str);
    }
    while(~scanf("%s" , str))
    {
        printf("%d\n" , query(str));
    }
    free(root);
    return 0;
}

学长的代码:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<malloc.h>
#include<bits/stdc++.h>
using namespace std;
char s[15];
typedef struct Trie{
    int v;
    Trie *next[26];
}Trie;

Trie root;

void Creat(char *str)
{
    int len=strlen(str);
    Trie *p=&root,*q;
    for(int i=0;i<len;i++)
    {
        int id=str[i]-'a';
        if(p->next[id]==NULL)
        {
            q=(Trie *)malloc(sizeof(root));
            q->v=1;
            for(int j=0;j<26;j++)
                q->next[j]=NULL;
            p->next[id]=q;
            p=p->next[id];
        }
        else
        {
            p->next[id]->v++;
            p=p->next[id];
        }
    }
}
int Find(char *str)
{
    int len=strlen(str);
    Trie *p=&root;
    for(int i=0;i<len;i++)
    {
        int id=str[i]-'a';
        p=p->next[id];
        if(p==NULL)
            return 0;
    }
    return p->v;
}
int main()
{
    /*srand(NULL);
    freopen("data.in","r",stdin);
    freopen("data.out","w",stdout);
    */
    /*for(int i=1;i<=1000;i++)
    {
        int p=rand()%10+1;
        for(int j=0;j<p;j++)
            s[j]='a'+rand()%26;
        cout<<s<<endl;
    }*/
    char str[15];
    for(int i=0;i<26;i++)
        root.next[i]=NULL;
    while(scanf("%s",&str)&&str[0]!='#')
        Creat(str);
    while(scanf("%s",&str)!=EOF)
    {
        printf("%d\n",Find(str));
    }
}

Problem D: D

Time Limit: 1 Sec Memory Limit: 128 MB

Description

HHM和SY做游戏，SY给HHM一个集合，集合包含了N个整数，随后SY向HHM发起M次询问，每次询问包含一个整数S，之后HHM需要在集合中
找到一个正整数K，使得K与S的异或结果最大。HHM向你请求帮助

Input

输入包含若干组测试数据，每组测试数据包含若干行。

输入的第一行是一个整数T（T < 10），表示共有T组数据。

每组数据的第一行输入两个正整数N，M（<1=N,M<=100000），接下来一行，包含N个正整数，代表 Zeus 的获得的集合，之后M行，每行一个正整数S，代表 Prometheus 询问的正整数。所有正整数均不超过2^32。

Output

对于每组数据，首先需要输出单独一行”Case #?:”，其中问号处应填入当前的数据组数，组数从1开始计算。

对于每个询问，输出一个正整数K，使得K与S异或值最大。

Sample Input
2
3 2
3 4 5
1
5
4 1
4 6 5 6
3
Sample Output
Case #1:
4
3
Case #2:
4

我的代码：

这个是用 01字典树 解决的，，，当时想到了将每一个数转化为'a' , 'b'顺序的字符串，，然后存到字典数里，，最后查询待输入的s异或后的字符串在树中走到头的位置即为答案，，，突然蒙蔽不会建树了，，，gg....QAQ

对了，，我看到网上有的人是用数组建的树，，，有点看不懂，，，挖个坑，，，还有一个神奇的函数bitset(),,,,哪天来补票，，，，

#include <iostream>
//#include <bits/stdc++.h>
#include <cstring>
#include <cstdlib>
#include <cstdio>
#define ms(a , b) memset(a , b , sizeof(a))
using namespace std;
const int maxn = 2;
const int maxm = 1e5 +5;
struct trie
{
    trie *next[maxn];
    int num;
    trie()
    {
        num = 0;
        ms(next , NULL);
    }
};
void Insert(trie *root , int a)
{
    trie *p = root;
    //insert
    for (int i = 31; i >= 0; i--)
    {
        int k = (a >> i) & 1;
        if (p->next[k] == NULL)         //空的代表没存加上
        {
            p->next[k] = new trie();

        }
        p = p->next[k];
    }
    p->num = a;                         //将从根节点到该节点表示的值存起来
}
int query(trie *root , int a)
{
    trie *p = root;
    for (int i = 31; i >= 0; i--)
    {
        int k = (a >> i) & 1;
        if (p->next[k ^ 1] != NULL)
            p = p->next[k ^ 1];
        else
            p = p->next[k];
    }
    return p->num;
}
void Free(trie *t)
{
    if (t == NULL)
        return;
    for(int i = 0; i < maxn; i++)
        if (t->next[i]) Free(t->next[i]);
    delete t;
}
int main()
{
    int t;
    scanf("%d" , &t);
    int k = 1;
    while(t--)
    {

        int n , m;
        //cin >> n >> m;
        scanf("%d%d" , &n , &m);
        int a;
        trie *root = new trie();

        //insert
        for (int i = 1; i <= n; i++)
        {
            scanf("%d" , &a);
            Insert(root , a);
        }
        printf("Case #%d:\n" , k++);
        for (int i = 1; i <= m; i++)
        {
            scanf("%d" , &a);
            printf("%d\n" , query(root , a));
        }
        Free(root);
    }

    return 0;
}

学长的代码:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<malloc.h>
#include<bits/stdc++.h>
using namespace std;
typedef struct tree
{
    tree *next[2];
    int v;
    int val;
}tree;
tree root;
void Creat(char *str,int va)
{
    int len=strlen(str);
    tree *p=&root,*q;
    for(int i=0;i<len;i++)
    {
        int id=str[i]-'0';
        if(p->next[id]==NULL)
        {
            q=(tree*)malloc(sizeof(root));
            for(int j=0;j<2;j++)
                q->next[j]=NULL;
            p->next[id]=q;
        }
        p=p->next[id];
        if(i==len-1)
            p->val=va;
    }
}
void Find(char *str)
{
    int len=strlen(str);
    tree *p=&root;
    for(int i=0;i<len;i++)
    {
        int id=str[i]-'0';
        if(p->next[1-id]!=0)
            p=p->next[1-id];
        else
            p=p->next[id];
        if(p==NULL)
            return;
        if(i==len-1)
            printf("%d\n",p->val);
    }
}
void init()
{
    for(int i=0;i<2;i++)
    {
        root.next[i]=NULL;
    }
}
int main()
{
    /*srand(NULL);
    freopen("data.in","r",stdin);
    freopen("data.out","w",stdout);
    */
    /*printf("5\n");
    for(int i=1;i<=5;i++)
    {
        int m=rand()%100000+1;
        int n=rand()%100000+1;
        printf("%d %d\n",n,m);
        for(int i=1;i<=n;i++)
            printf("%d ",rand()%100000000+1);
        printf("\n");
        for(int i=1;i<=m;i++)
            printf("%d ",rand()%100000000+1);
        printf("\n");

    }*/

    int kase=0;
    int T;
    scanf("%d",&T);
    while(T--)
    {
        init();
        int n,m;
        char s[50];
        scanf("%d%d",&n,&m);
        for(int i=1;i<=n;i++)
        {
            int a;
            scanf("%d",&a);
            int tmp=a;
            s[36]='\0';
            for(int j=35;j>=0;j--)
            {
                if(a)
                {
                    s[j]=a%2+'0';
                    a/=2;
                }
                else
                {
                    s[j]='0';
                }
            }
            Creat(s,tmp);
        }
        printf("Case #%d:\n",++kase);
        while(m--)
        {
            int a;
            scanf("%d",&a);
            s[36]='\0';
            for(int j=35;j>=0;j--)
            {
                if(a)
                {
                    s[j]=a%2+'0';
                    a/=2;
                }
                else
                {
                    s[j]='0';
                }
            }
            Find(s);
        }

    }
}

溜。。。。。。。。。。。。

(对了，，，两个博客一起更这个当备份把，，，嘿嘿。。。。。。。

猜你喜欢

转载自www.cnblogs.com/31415926535x/p/9404591.html
今日推荐
《美国对全球网络空间安全与发展的威胁和破坏》报告发布
火速冲上 GitHub 热榜 —— 开源编程语言、框架哪有这么可爱？
北京人形机器人创新中心发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”
LFOSSA 源来如此公开课 | 掌握云原生未来：CNCF 认证全面攻略与备考秘籍
国产云输入法——仅华为无云端数据上传安全问题
周排行
Python环境安装与基础语法（1）——计算机基础知识
IMU预积分
ADAS中的LDW、FCW、BSD、LCA、ACC、AEB、APA、DMS代表的含义
B站笔试两道题
skyeye arm 硬件虚拟机环境的搭建
Web前端静态页面示例
数组-合并排序数组 II-简单
springcloud之版本问题启动报错
面向对象-------------匿名对象(六)
输入URL到页面呈现中间发生了什么？
每日归档
更多
2024-04-30(1)
2024-04-29(40)
2024-04-28(0)
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)
2024-04-23(26)
2024-04-22(39)
2024-04-21(0)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022