【哈希】闭散列的线性探测和开散列的哈希桶解决哈希冲突(C++两种方法模拟实现哈希表)(2)


🎉博主首页: 有趣的中国人

🎉专栏首页: C++进阶

🎉其它专栏: C++初阶 | Linux | 初阶数据结构

小伙伴们大家好,本片文章将会讲解 哈希函数与哈希 之 哈希桶解决哈希冲突 的相关内容。
如果看到最后您觉得这篇文章写得不错,有所收获,麻烦点赞👍、收藏🌟、留下评论📝。您的支持是我最大的动力,让我们一起努力,共同成长!
🎉系列文章:1. 闭散列的线性探测实现哈希表

文章目录

  • [`0. 前言`](#0. 前言)
  • [`1. 何为开散列`](#1. 何为开散列)
    • [==<font color = blue><b>🎧1.1 开散列的概念🎧==](#==🎧1.1 开散列的概念🎧==)
    • [==<font color = blue><b>🎧1.2 开散列哈希表图示🎧==](#==🎧1.2 开散列哈希表图示🎧==)
  • [`2. 开散列哈希表的实现`](#2. 开散列哈希表的实现)
    • [==<font color = blue><b>🎧2.1 开散列哈希表的结构🎧==](#==🎧2.1 开散列哈希表的结构🎧==)
    • [==<font color = blue><b>🎧2.2 哈希桶插入Insert🎧==](#==🎧2.2 哈希桶插入Insert🎧==)
    • [==<font color = blue><b>🎧2.3 哈希桶查找Find🎧==](#==🎧2.3 哈希桶查找Find🎧==)
    • [==<font color = blue><b>🎧2.4 哈希桶删除Erase🎧==](#==🎧2.4 哈希桶删除Erase🎧==)
  • [`3. 字符串哈希与仿函数`](#3. 字符串哈希与仿函数)
  • `4.哈希桶实现哈希表完整代码`

0. 前言

在上一篇文章中我们详细描述了如何用 开放寻址法(闭散列)的线性探测 的方法来实现哈希表。此篇文章我们将用 开散列的哈希桶 来实现哈希表。


1. 何为开散列

🎧1.1 开散列的概念🎧

开散列法又叫链地址法(开链法)首先对关键码集合用 散列函数计算散列地址具有相同地址的关键码归于同一子集合,每一个子集合称为一个桶,各个桶中的元素通过一个单链表链接起来各链表的头结点存储在哈希表中。

🎧1.2 开散列哈希表图示🎧

插入元素44

从上图可以看出,开散列中每个桶中放的都是发生哈希冲突的元素。


2. 开散列哈希表的实现

🎧2.1 开散列哈希表的结构🎧

很明显,这个哈希表中存储了一个指针数组 ,我们可以用vector来实现,数组中的每个位置存储了一个节点类型的指针每个节点相当于是链表的一个节点 ,即:节点中有一个链表类型的指针,还有一个存放值的位置。

哈希节点和哈希表结构代码:

cpp 复制代码
// 定义节点类型
template<class K, class V>
struct HashNode
{
	// 存储值的位置
	pair<K, V> _kv;
	// 节点类型指针
	HashNode<K, V>* _next;

	HashNode(const pair<K,V>& kv)
		:_kv(kv)
		,_next(nullptr)
	{}
};

// 定义哈希表,第三个模板类型是仿函数,上一篇文章讲过
template<class K, class V, class HashFunc = HashFunc<K>>
class HashTable
{
public:
	typedef HashNode<K, V> Node;

	HashTable(size_t n = 10)
	{
		_tables.resize(n);
	}
private:
	// 指针数组
	vector<Node*> _tables;
	// 存储的元素个数
	size_t _n = 0;
};

🎧2.2 哈希桶插入Insert🎧

插入元素的思路:

  1. 利用 哈希函数 计算出 要插入的值应该存放在哪个桶里面
  2. 之后在对应的桶中进行链表的头插:
    • 首先new一个哈希表的节点newnode
    • newnode->_next= _tables[i]
    • 再让newnode当作头:_tables[i] = newnode
  3. ++_n

关于哈希桶的扩容:

在线性探测中,当负载因子 load_factor 在 0.75 0.75 0.75 左右的时候就要进行扩容,但是在哈希桶中,我们可以适当让负载因子大一点,在STL库中,哈希桶的扩容是当负载因子等于 1 1 1 的时候进行扩容 ,即: n = = t a b l e . s i z e ( ) n == table.size() n==table.size()。

注意:哈希桶中的负载因子是可以大于1的,因为一个桶中可能存储的不止一个值。

扩容思路1:

我们可以继续利用在线性探测的扩容思路:

  1. 新定义一个HashTable的对象newht,表的容量还是两倍;
  2. 遍历原始的HashTable中的vector _tables
    • 如果_tables[i]不为空,那么就调用newht.Insert()函数;
      • 定义一个节点类型的指针Node* cur = _tables[i]
      • 调用newht.Insert(cur->_kv);
      • 再让cur = cur->_next
    • 如果_tables[i]为空,就让i++
  3. 直到 i == _tables.size(),则newht插入完成;
  4. 最后两个_tables进行交换:_tables.swap(newht._tables)

但是这样扩容虽然可以,但是会很麻烦,因为:

  1. 由于每个哈希节点是new出来的,因此不能直接使用vector的析构函数,要自己写一个析构函数,不然会有内存泄漏;
  2. 每次调用newht.Insert()的时候都会重新new一个节点,原始的节点都会被释放,因此这样操作就会很麻烦编译器。

扩容代码(version1):

cpp 复制代码
// 手动进行析构
~HashTable()
{
	for (size_t i = 0; i < _tables.size(); ++i)
	{
		Node* cur = _tables[i];
		Node* next = nullptr;
		while (cur)
		{
			next = cur->_next;
			delete cur;
			cur = next;
		}
	}
}

// 扩容代码
if (_n == _tables.size())
{
	// 方法1:新定义一个对象
	size_t newsize = 2 * _tables.size();
	HashTable<K, V> newht(newsize);
	for (size_t i = 0; i < _tables.size(); i++)
	{
		Node* cur = _tables[i];
		Node* next = nullptr;
		while (cur)
		{
			next = cur->_next;
			newht.Insert(cur->_kv);
			cur = next;
		}
	}
	_tables.swap(newht._tables);
}

扩容思路2:

  1. 定义一个新表vector newtables,表的容量还是两倍;
  2. 遍历旧表,如果当前位置不为空,在新表中进行插入,思路如下:
    • 定义一个哈希节点指针Node* cur = _tables[i]
    • 通过cur->_kv.first 和 哈希函数 计算出 应该插入到新表的哪个桶中(hashi);
    • 由于插入之后会找不到下一个节点的位置,所以应该再定义一个Node* next = cur->next
    • 在新表中头插cur,还是同样的思路:
      • cur->_next = newtables[hashi]cur的下一个指向原始的头节点);
      • 接着让 newtables[hashi] = cur(让cur当头);
      • 插入完成让cur = next
      • 直到cur == nullptr,说明此桶中的节点都在新表中插入完成;
    • 让旧表中的_tables[i] = nullptr; (这部也可以不做,因为表不会调用析构函数,但是最好还是置空一下)
  3. 如果当前位置为空,则i++
  4. 直到 i == _tables.size(),说明此表的所有元素在新表中插入完成;
  5. 最后两表进行交换:_tables.swap(newtables)

扩容代码(version2):

cpp 复制代码
if (_n == _tables.size())
{
	vector<Node*> newtable;
	// 两倍的旧表容量
	size_t newsize = 2 * _tables.size();
	newtable.resize(newsize);
	for (size_t i = 0; i < _tables.size(); ++i)
	{
		Node* cur = _tables[i];
		Node* next = nullptr;
		while (cur)
		{
			// 记录下一个位置
			next = cur->_next;
			// 计算在新表中的位置
			size_t hashi = cur->_kv.first % newtable.size();
			// cur的下一个位置指向原来的头
			cur->_next = newtable[hashi];
			// cur当头
			newtable[hashi] = cur;
			// 更新cur的位置
			cur = next;
		}
		// 旧表置空
		_tables[i] = nullptr;
	}
	_tables.swap(newtable);
}

完整的插入逻辑代码:

cpp 复制代码
bool Insert(const pair<K, V>& kv)
{
	// 这边就是上一篇文章的仿函数
	HashFunc hf;
	// 查找思路待会实现
	if (Find(kv.first))
	{
		return false;
	}
	// 判断负载因子扩容
	// 负载因子为1扩容
	if (_n == _tables.size())
	{
		// 方法1:新定义一个对象
		/*size_t newsize = 2 * _tables.size();
		HashTable<K, V> newht(newsize);
		for (size_t i = 0; i < _tables.size(); i++)
		{
			Node* cur = _tables[i];
			Node* next = nullptr;
			while (cur)
			{
				next = cur->_next;
				newht.Insert(cur->_kv);
				cur = next;
			}
		}
		_tables.swap(newht._tables);*/

		// 方法2:新定义一个表
		vector<Node*> newtable;
		size_t newsize = 2 * _tables.size();
		newtable.resize(newsize);
		for (size_t i = 0; i < _tables.size(); ++i)
		{
			Node* cur = _tables[i];
			Node* next = nullptr;
			while (cur)
			{
				next = cur->_next;
				size_t hashi = hf(cur->_kv.first) % newtable.size();
				cur->_next = newtable[hashi];
				newtable[hashi] = cur;
				cur = next;
			}
			_tables[i] = nullptr;
		}
		_tables.swap(newtable);
	}
	size_t hashi = hf(kv.first) % _tables.size();
	Node* newnode = new Node(kv);
	// 头插
	newnode->_next = _tables[hashi];
	_tables[hashi] = newnode;
	++_n;
	return true;
}

🎧2.3 哈希桶查找Find🎧

查找实现思路如下:

  1. 根据 key 和 哈希函数计算出对应的桶(hashi);
  2. 在此桶中进行寻找:
    • 定义一个哈希节点类型的指针Node* cur = _tables[hashi]
    • 一直向后寻找,直到找到或者 cur == nullptr(没有此元素)。
    • 找到返回此位置的指针,找不到返回空。

完整的查找逻辑代码:

cpp 复制代码
Node* Find(const K& key)
{
	HashFunc hf;
	// 根据 `key` 和 哈希函数计算出对应的桶(`hashi`)
	size_t hashi = hf(key) % _tables.size();

	Node* cur = _tables[hashi];
	while (cur)
	{
		if (cur->_kv.first == key)
		{
			return cur;
		}
		else
		{
			cur = cur->_next;
		}
	}
	return nullptr;
}

🎧2.4 哈希桶删除Erase🎧

删除实现思路如下:

  1. 根据 key 和 哈希函数计算出对应的桶(hashi);
  2. 在此桶中进行查找,这里要考虑要删除的节点的前一个节点是否为空;
  3. 如果前一个节点不为空,直接让prev->_next = cur->_next
  4. 如果前一个节点为空,就让 _tables[i] = cur->_next
  5. delete cur; cur = nullptr;
  6. 如果一直到 cur == nullptr 最后都未曾找到,则返回false
  7. 最后 --_n

完整的删除逻辑代码:

cpp 复制代码
bool Erase(const K& key)
{
	HashFunc hf;
	//  根据 `key` 和 哈希函数计算出对应的桶(`hashi`);
	size_t hashi = hf(key) % _tables.size();
	Node* cur = _tables[hashi];
	Node* prev = nullptr;
	while (cur)
	{
		if (cur->_kv.first == key)
		{
			// 如果前一个节点为空,就让 `_tables[i] = cur->_next`;
			if (prev == nullptr)
			{
				_tables[hashi] = cur->_next;
			}
			// 如果前一个节点为空,就让 `_tables[i] = cur->_next`
			else
			{
				prev->_next = cur->_next;
			}
			delete cur;
			return true;
		}
		else
		{
			prev = cur;
			cur = cur->_next;
		}
	}
	return false;
}		

3. 字符串哈希与仿函数

字符串哈希我们上一篇文章讲过::

  1. 当我们插入数字的类型,例如:double、float、int、 char、unsigned用的是一种类型的哈希函数
  2. 当我们插入字符串类型string的时候用的是另一种类型的哈希函数
  3. 🔎遇到这种情况的时候我们一般用仿函数来解决问题!!!🔍

因此我们要加一个仿函数的模板参数:class HashFunc

对于数字类型的仿函数代码:

cpp 复制代码
template<class K>
struct Hash
{
	size_t operator()(const K& key)
	{
		// 强转即可
		return (size_t)key;
	}
};

对于string类型的仿函数代码:

这里先写一下,待会再细谈:

cpp 复制代码
struct StringFunc
{
	size_t operator()(const string& str)
	{
		size_t ret = 0;
		for (auto& e : str)
		{
			ret *= 131;
			ret += e;
		}
		return ret;
	}
};

由于string类型的哈希我们经常用,因此可以用模板的特化,并将此模板用缺省参数的形式传递,这样我们就不用在每次用的时候传入仿函数了。

cpp 复制代码
template<class K>
struct Hash
{
	size_t operator()(const K& key)
	{
		return (size_t)key;
	}
};

template<>
struct Hash<string>
{
	size_t operator()(const string& str)
	{
		size_t ret = 0;
		for (auto& e : str)
		{
			ret *= 131;
			ret += e;
		}
		return ret;
	}
};

4.哈希桶实现哈希表完整代码

🎧有需要的小伙伴自取哈,博主已经检测过了,无bug🎧
🎨博主gitee链接: Jason-of-carriben 哈希桶实现哈希表完整代码

cpp 复制代码
#pragma once
#include <iostream>
#include <vector>
using namespace std;

template<class K>
struct HashFunc
{
	size_t operator()(const K& key)
	{
		return (size_t)key;
	}
};

template<>
struct HashFunc<string>
{
	size_t operator()(const string& str)
	{
		size_t hash_value = 0;
		for (auto& e : str)
		{
			hash_value = hash_value * 131 + e;
		}
		return hash_value;
	}
};


namespace hash_bucket
{
	template<class K, class V>
	struct HashNode
	{
		pair<K, V> _kv;
		HashNode<K, V>* _next;

		HashNode(const pair<K,V>& kv)
			:_kv(kv)
			,_next(nullptr)
		{}
	};

	template<class K, class V, class HashFunc = HashFunc<K>>
	class HashTable
	{
	public:
		typedef HashNode<K, V> Node;

		HashTable(size_t n = 10)
		{
			_tables.resize(n);
		}

		~HashTable()
		{
			for (size_t i = 0; i < _tables.size(); ++i)
			{
				Node* cur = _tables[i];
				Node* next = nullptr;
				while (cur)
				{
					next = cur->_next;
					delete cur;
					cur = next;
				}
			}
		}

		bool Insert(const pair<K, V>& kv)
		{
			HashFunc hf;
			if (Find(kv.first))
			{
				return false;
			}
			// 判断负载因子扩容
			// 负载因子为1扩容
			if (_n == _tables.size())
			{
				// 方法1:新定义一个对象
				/*size_t newsize = 2 * _tables.size();
				HashTable<K, V> newht(newsize);
				for (size_t i = 0; i < _tables.size(); i++)
				{
					Node* cur = _tables[i];
					Node* next = nullptr;
					while (cur)
					{
						next = cur->_next;
						newht.Insert(cur->_kv);
						cur = next;
					}
				}
				_tables.swap(newht._tables);*/

				// 方法2:新定义一个表
				vector<Node*> newtable;
				size_t newsize = 2 * _tables.size();
				newtable.resize(newsize);
				for (size_t i = 0; i < _tables.size(); ++i)
				{
					Node* cur = _tables[i];
					Node* next = nullptr;
					while (cur)
					{
						next = cur->_next;
						size_t hashi = hf(cur->_kv.first) % newtable.size();
						cur->_next = newtable[hashi];
						newtable[hashi] = cur;
						cur = next;
					}
					_tables[i] = nullptr;
				}
				_tables.swap(newtable);
			}
			size_t hashi = hf(kv.first) % _tables.size();
			Node* newnode = new Node(kv);
			// 头插
			newnode->_next = _tables[hashi];
			_tables[hashi] = newnode;
			++_n;
			return true;
		}

		Node* Find(const K& key)
		{
			HashFunc hf;

			size_t hashi = hf(key) % _tables.size();

			Node* cur = _tables[hashi];
			while (cur)
			{
				if (cur->_kv.first == key)
				{
					return cur;
				}
				else
				{
					cur = cur->_next;
				}
			}
			return nullptr;

			/*for (size_t i = 0; i < _tables.size(); i++)
			{
				Node* cur = _tables[i];
				Node* next = nullptr;
				while (cur)
				{
					next = cur->_next;
					if (cur->_kv.first == key)
					{
						return cur;
					}
					else
					{
						cur = next;
					}
				}
			}
			return nullptr;*/
		}

		bool Erase(const K& key)
		{
			HashFunc hf;

			size_t hashi = hf(key) % _tables.size();
			Node* cur = _tables[hashi];
			Node* prev = nullptr;
			while (cur)
			{
				if (cur->_kv.first == key)
				{
					if (prev == nullptr)
					{
						_tables[hashi] = cur->_next;
					}
					else
					{
						prev->_next = cur->_next;
					}
					delete cur;
					return true;
				}
				else
				{
					prev = cur;
					cur = cur->_next;
				}
			}
			return false;
			//for (size_t i = 0; i < _tables.size(); ++i)
			//{
			//	Node* prev = nullptr;
			//	Node* cur = _tables[i];
			//	//Node* next = nullptr;
			//	while (cur)
			//	{
			//		if (cur->_kv.first == key)
			//		{
			//			if (prev == nullptr)
			//			{
			//				_tables[i] = cur->_next;
			//			}
			//			else
			//			{
			//				prev->_next = cur->_next;
			//			}
			//			delete cur;
			//			return true;
			//		}
			//		else
			//		{
			//			prev = cur;
			//			cur = cur->_next;
			//		}
			//	}
			//}
			//return false;
		}



	private:
		vector<Node*> _tables;
		size_t _n = 0;
	};
	void HashTest1()
	{
		int a[] = { 10001,11,55,24,19,12,31,93,67,26 };
		HashTable<int, int> ht;
		for (auto e : a)
		{
			ht.Insert(make_pair(e, e));
		}

		ht.Insert(make_pair(32, 32));
		//ht.Insert(make_pair(32, 32));
		ht.Erase(31);
		ht.Erase(10001);

	}

	void HashTest2()
	{
		string arr[] = { "苹果", "西瓜", "苹果", "西瓜", "苹果", "苹果", "西瓜",
	"苹果", "香蕉", "苹果", "香蕉","苹果","草莓", "苹果","草莓" };
		HashTable<string, string> countMap;
		for (auto& e : arr)
		{
			countMap.Insert(make_pair(e, e));
		}
	}
}
相关推荐
萧萧玉树26 分钟前
分布式在线评测系统
前端·c++·后端·负载均衡
FFDUST41 分钟前
C++ 优先算法 —— 无重复字符的最长子串(滑动窗口)
c语言·c++·算法·leetcode
shiming887941 分钟前
C/C++链接数据库(MySQL)超级详细指南
c语言·数据库·c++
m0_738054561 小时前
【leetcode】全排列 回溯法
c++·算法·leetcode·回溯法
ZZZ_O^O1 小时前
【贪心算法第五弹——300.最长递增子序列】
c++·学习·算法·leetcode·贪心算法
码农多耕地呗1 小时前
哈希表—acwing
数据结构·散列表
Koishi_TvT1 小时前
蓝桥杯c++算法秒杀【6】之动态规划【下】(数字三角形、砝码称重(背包问题)、括号序列、异或三角:::非常典型的必刷例题!!!)
c语言·c++·算法·性能优化·蓝桥杯·动态规划·c
孤独且没人爱的纸鹤1 小时前
C++ 二叉搜索树(Binary Search Tree, BST)深度解析与全面指南:从基础概念到高级应用、算法优化及实战案例
c语言·数据结构·c++·算法
微澜-2 小时前
编译以前项目更改在x64下面时报错:函数“PVOID GetCurrentFiber(void)”已有主体
c++
闻缺陷则喜何志丹2 小时前
【C++动态规划】1411. 给 N x 3 网格图涂色的方案数|1844
c++·算法·动态规划·力扣·网格·数目·涂色