北京网站制作收费明细,wordpress怎么添加论坛,怎么用wordpress做,网站优化过度被k目录
编辑
编辑 一、前言
二、正文
2.1 unorder系列关联式容器
2.1.1 unordered_map
2.1.1.1 unorderer_map的介绍 ①unordered_map的构造 ②unordered_map的容量 ③unordered_map的迭代器 ④unordered_map的元素访问 ⑤unordered_map的查询 ⑥unordered_map的修改操… 目录
编辑
编辑 一、前言
二、正文
2.1 unorder系列关联式容器
2.1.1 unordered_map
2.1.1.1 unorderer_map的介绍 ①unordered_map的构造 ②unordered_map的容量 ③unordered_map的迭代器 ④unordered_map的元素访问 ⑤unordered_map的查询 ⑥unordered_map的修改操作 ⑦unordered_map的桶操作
2.1.2 unordered_set
2.2 底层结构
2.2.1 哈希概念
2.2.2 哈希冲突 2.2.3 哈希函数
2.3 哈希冲突解决
2.3.1 闭散列
2.3.2 闭散列模拟实现
2.3.2.1 插入
2.3.2.2 删除
2.3.2.3 查找 2.3.3 开散列及其模拟实现
2.3.3.1 开散列概念
2.3.3.2 插入
2.3.3.3 删除
2.3.3.3 查找
2.4 unordered_map与unordered_set的模拟实现
2.4.1 哈希表的改造 ①模版参数列表的改造 ②增加迭代器操作
2.4.2 unordered_set模拟实现
2.4.3 unordered_map模拟实现
三、全部代码
1.闭散列的哈希表
2.开散列的哈希表
3.改造的哈希表
4.unordered_set
5.unoredered_map
四、结语 一、前言 在上一篇博客中为小伙伴们进行了红黑树的讲解但是为了进一步提高数据的插入效率便出现了哈希表接下来就为大家带来哈希表的介绍如有不足之处欢迎各位大佬们给予指正 二、正文
2.1 unorder系列关联式容器 在C98中STL提供了底层为红黑树结构的一系列关联式容器在查询时效率可达到log N即最差情况下需要比较红黑树的高度次当树中的节点非常多时查询效率也不理想。最好的查询是进行很少的比较次数就能够将元素找到因此在C11中STL又提供了4个unordered系列的关联式容器这四个容器与红黑树结构的关联式容器使用方式基本类似只是其底层结构不同本文中只对unordered_map和unordered_set进行介绍至于剩下的unordered_multimap和unordered_multiset大家可自行了解。 2.1.1 unordered_map
2.1.1.1 unorderer_map的介绍 1. unordered_map是存储键值对的关联式容器其允许通过keys快速的索引到与其对应的value。 2. 在unordered_map中键值通常用于惟一地标识元素而映射值是一个对象其内容与此键关联。键和映射值的类型可能不同。 3. 在内部,unordered_map没有按照任何特定的顺序排序, 为了能在常数范围内找到key所对应的valueunordered_map将相同哈希值的键值对放在相同的桶中。 4. unordered_map容器通过key访问单个元素要比map快但它通常在遍历元素子集的范围迭代方面效率较低。 5. unordered_maps实现了直接访问操作符(operator[])它允许使用key作为参数直接访问 value。 6. 它的迭代器至少是前向迭代器。 大家若想详细了解可移步至其在线文档说明 https://cplusplus.com/reference/unordered_map/unordered_map/?kwunordered_map 2.1.1.2 unordered_map的接口说明 ①unordered_map的构造
函数说明功能介绍unordered_map构造不同格式的unordered_map对象 ②unordered_map的容量
函数说明功能介绍bool empty() const检测unordered_map是否为空size_t size() const获取unordered_map的有效元素个数 ③unordered_map的迭代器
函数说明功能介绍begin返回unordered_map第一个元素的迭代器end返回unordered_map最后一个元素下一个位置的迭代器cbegin返回unordered_map第一个元素的const迭代器cend返回unordered_map最后一个元素下一个位置的const迭代器 ④unordered_map的元素访问
函数说明功能介绍operator[]返回与key对应的value设有一个默认值 注 对于map中的operator[]其于我们之前所了解的vectorstring的[]有所不同。对于之前的容器的[]我们是用于访问容器中存储的数据但是对于map而言若是查询的key不在容器中便会先执行插入的操作然后再进行对应位置的访问。 在后面我们会认识到unordered_map一般是对哈希桶进行封装所以该函数中实际调用哈希桶的插入操作用参数key与V()构造一个默认值往底层哈希桶中插入如果key不在哈希桶中插入成功返回V()插入失败说明key已经在哈希桶中 将key对应的value返回。 ⑤unordered_map的查询
函数说明功能介绍iterator find(const K key)返回key在哈希桶中的位置size_t count(const K key)返回哈希桶中关键码为key的键值对的个数 注 unordered_map中key是不能重复的因此count函数的返回值最大为1 ⑥unordered_map的修改操作
函数声明功能介绍insert向容器中插入键值对erase删除容器中的键值对void clear()清空容器中有效元素个数void swap(unorderde map)交换两个容器中的元素 ⑦unordered_map的桶操作
函数说明功能介绍size_t bucket_count() const返回哈希桶中桶的总个数size_t bucket_size ( size_t n ) const返回n号桶中有效元素的总个数size_t bucket ( const key_t k ) const返回元素key所在的桶号
2.1.2 unordered_set unordered_set的功能与unordered_map类似只是后者比前者多存储一个数据就像之前笔者所学过的set与map具体功能可见下面文档 unordered_set在线文档说明 2.2 底层结构 在上一节红黑树的学习中我们知道其插入的效率几乎可以达到logN的程度已经蛮厉害了那么unordered系列的关联式容器效率还能更高其实是因为其底层使用了哈希结构 2.2.1 哈希概念 顺序结构以及平衡树中元素关键码与其存储位置之间没有对应的关系因此在查找一个元素时必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)平衡树中为树的高度即 O(logN)搜索的效率取决于搜索过程中元素的比较次数。 理想的搜索方法可以不经过任何比较一次直接从表中得到要搜索的元素。 如果构造一种存储结构通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立 一一映射的关系那么在查找时通过该函数可以很快找到该元素。 当向该结构中 ●插入元素 根据待插入元素的关键码以此函数计算出该元素的存储位置并按此位置进行存放 ●搜索元素 对元素的关键码进行同样的计算把求得的函数值当做元素的存储位置在结构中按此位置取元素比较若关键码相等则搜索成功 该方式即为哈希(散列)方法哈希方法中使用的转换函数称为哈希(散列)函数构造出来的结构称为哈希表(Hash Table)(或者称散列表) 例如数据集合{176459} 哈希函数设置为hash(key) key % capacity; capacity为存储元素底层空间总的大小。 用该方法进行搜索不必进行多次关键码的比较因此搜索的速度比较快。但是其也存在一个问题也是当我们当们插入的元素中如果存在两者及其以上的元素通过哈希函数算出来的哈希地址相同就会导致我们到底该如何存储这些哈希地址相同的元素这个问题也就是我们下面会讲到的哈希冲突。 2.2.2 哈希冲突 对于两个数据元素的关键字$k_i$和 $k_j$(i ! j)有$k_i$ ! $k_j$但有Hash($k_i$) Hash($k_j$)即不同关键字通过相同哈希哈数计算出相同的哈希地址该种现象称为哈希冲突或哈希碰撞。 把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。那么发生哈希冲突我们该如何处理呢 2.2.3 哈希函数 引起哈希冲突的一个原因可能是哈希函数设计不够合理。 哈希函数设计原则 ●哈希函数的定义域必须包括需要存储的全部关键码而如果散列表允许有m个地址时其值域必须在0到m-1之间 ●哈希函数计算出来的地址能均匀分布在整个空间中 ● 哈希函数应该比较简单 常见哈希函数 1. 直接定址法--(常用) 取关键字的某个线性函数为散列地址HashKey A*Key B 优点简单、均匀 缺点需要事先知道关键字的分布情况 使用场景适合查找比较小且连续的情况 2. 除留余数法--(常用) 设散列表中允许的地址数为m 取一个不大于m但最接近或者等于m的质数p作为除数 按照哈希函数Hash(key) key% p(p将关键码转换成哈希地址 3. 平方取中法--(了解) 假设关键字为1234平方就是1522756抽中间的3位227作为哈希地址 再如关键字为4321平方就是18671041抽中间的3位671(或710)作为哈希地址 平方取中法比较适合不知道关键字的分布而位数又不是很大的情况 4. 折叠法--(了解) 折叠法是将关键字从左到右分割成位数相等的几部分(末尾部分可短些) 然后将这几部分叠加求和并按散列表表长取后几位作为散列地址。 折叠法适合事先不需要知道关键字的分布适合关键字位数比较多的情况 5. 随机数法--(了解) 选择一个随机函数取关键字的随机函数值为它的哈希地址 即H(key) random(key),其中 random为随机数函数。 通常应用于关键字长度不等时采用此法 6. 数学分析法--(了解) 设有n个d位数每一位可能有r种不同的符号 这r种不同的符号在各位上出现的频率不一定相同 可能在某些位上分布比较均匀每种符号出现的机会均等 在某些位上分布不均匀只 有某几种符号经常出现。 可根据散列表的大小选择其中各种符号分布均匀的若干位作为散列地址。 例如 假设要存储某家公司员工登记表如果用手机号作为关键字那么极有可能前7位都是 相同 的那么我们可以选择后面的四位作为散列地址如果这样的抽取工作还容易出现 冲突还 可以对抽取出来的数字进行反转(如1234改成4321)、右环位移(如1234改成4123)、左环移 位、前两数与后两数叠加(如1234改成123446)等方法。 数字分析法通常适合处理关键字位数比较大的情况如果事先知道关键字的分布且关键字的 若干位分布较均匀的情况 注意哈希函数设计的越精妙产生哈希冲突的可能性就越低但是无法避免哈希冲突 2.3 哈希冲突解决 虽然采取合适哈希函数可以适当的减少哈希冲突的产生但是想要真正的解决哈希冲突两种常见的方法有闭散列和开散列 2.3.1 闭散列 闭散列也叫开放定址法当发生哈希冲突时如果哈希表未被装满说明在哈希表中必然还有空位置那么可以把key存放到冲突位置中的“下一个” 空位置中去。那如何寻找下一个空位置呢 1. 线性探测从发生冲突的位置开始依次向后探测直到寻找到下一个空位置为止 比如2.2.1中的场景现在需要插入元素44先通过哈希函数计算哈希地址hashAddr为4 因此44理论上应该插在该位置但是该位置已经放了值为4的元素即发生哈希冲突。 ★插入 ●通过哈希函数获取待插入元素在哈希表中的位置 ●如果该位置中没有元素则直接插入新元素如果该位置中有元素发生哈希冲突 使用线性探测找到下一个空位置插入新元素 2.二次探测 线性探测的缺陷是产生冲突的数据堆积在一块这与其找下一个空位置有关系因为找空位 置的方式就是挨着往后逐个去找因此二次探测为了避免该问题找下一个空位置的方法为$H_i$ ($H_0$ $i^2$ )% m, 或者$H_i$ ($H_0$ - $i^2$ )% m。其中i 1,2,3… $H_0$是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置m是表 的大小。 对于2.2.1中如果要插入44产生冲突第一次算的的地址为4由于地址为4的表内已经填入4下一次地址加2^1,得地址为6依旧有值下下一次地址加2^2得地址为8表内为空可以进行数据的插入。使用解决后的情况为 ★删除 采用闭散列处理哈希冲突时不能随便物理删除哈希表中已有的元素若直接删除元素 会影响其他元素的搜索。比如删除元素4如果直接删除掉44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素。 // 哈希表每个空间给个标记
// EMPTY此位置空 EXIST此位置已经有元素 DELETE元素已经删除enum STATE{EXIST,EMPTY,DELETE}; ★扩容 当我们不断往哈希表中插入数据随着数据量的增大剩余空间不断减少就愈发容易地出现哈希冲突这势必会增大我们插入数据的消耗那么我们就需要对哈希表进行扩容那么我们到底要在什么时候开始扩容呢?这时候就需要引入载荷因子又称负载因子这一概念来帮助我们判断什么时候应当对当前容器进行扩容。 具体介绍见下图 2.3.2 闭散列模拟实现 接下来我们为大家进行闭散列的哈希模拟实现 对于这个闭散列的哈希表它的成员主要有两个一个是用来存储有效数据的容器另一个是用记录当前表内有效数据的我们用一个无符号整型接受即可。 具体代码见下 templateclass K, class V, class HashFunc DefaultHashFuncKclass HashTable{public:typedef HashTableNodeK, V Node;private:vectorNode _table; //哈希表size_t _n; //载荷因子};
}
2.3.2.1 插入 首先是插入操作。 第一步是封装所需数据在本文中我们采取存储数据pair的形式来实现由于我们实现的是闭散列的形式当我们在进行数据删除的时候不能直接将数据删除这样会影响后面元素的查找这时候我们采取是改变状态值的方式因此我们除了存储pair还需要存储数据状态在明确这两点之后我们就可以将其封装方便我们的插入。 第二步是确定哈希函数由于我们插入的数据是随机的并不是连续的因此我们采取除留余数法来实现我们的哈希函数。为了实现简单对于整型我们就直接将其对容器的size进行取摩得到哈希地址要注意这里不能对容器的capacity进行取摩。这是因为由于我们采取vector的容器来存储我们封装后的数据得到哈希地址后我们需要通过【】来进行数据的写入而vector的【】是有越界检查的所以我们需要对容器的size进行取摩。由于我们插入的不总是整型随着不同数据使用需求直接将数据对容器的size进行取摩是不行的这时候我们就需要随着不同的数据类型进行哈希函数的重载由于本文主要进行整型和string的插入因此对于后者string我们就进行了重载主要通过ASCII码来进行对容器的size进行取摩又由于string像整型一样使用的比较频繁于是我们将重载string的哈希函数进行特化就不需要频繁传参。 第三步就是往表内插入数据在进行数据的插入之前我们需要先计算下容器载荷因子的大小若是太大则说明当前容器存储的有效数据较多容易出现哈希冲突这时候我们就需要对当前的哈希表进行扩容。由于我们定义的一个无符号整型来记录表内存储的有效数据个数于是我们只需要将其除以容器的size的就可以获得载荷因子的数据由于size和_n都是无符号整型在除后结果小于0会转化成0于是我们将结果扩大了十倍方便进行载荷因子的比较。 如果载荷因子较大当前表确实需要扩容我们就重新创建一个新表并将其的大小扩大到原表的二倍并逐一取出原表的元素将其插入新表并重新进行哈希的映射。 如果载荷因子较小说明当前表内的数据还不是很多我们只需要对元素进行哈希映射插入到表中即可。通过哈希表对应的哈希函数我们可以得到映射的vector下标若是对应下标的数据为空或是删除我们就直接插入即可若是不为空或是删除我们就进行线性探测往哈希地址的下一个进行判断直至找到空或者删除的位置将元素进行插入。 具体代码如下 bool Insert(const pairK, V kv){//扩容if (_n * 10 / _table.size() 7){size_t newsize _table.size() * 2;HashTableK, V newHT;newHT._table.resize(newsize);//插入数据并重新映射for (const auto e : _table){newHT.Insert(e._kv);}_table.swap(newHT._table);}//根据哈希函数得到对应位置下标HashFunc HF;size_t Hashi HF(kv.first) % _table.size();//根据下标插入数据若有冲突则线性探测//位置状态为空或者删除则插入while (_table[Hashi]._state EXIST){if (_table[Hashi]._kv.first kv.first) return false;Hashi;}_table[Hashi] kv;_table[Hashi]._state EXIST;_n;return true;}
2.3.2.2 删除 对于闭散列的哈希表其元素的删除是较为简单的。 先对要删除的元素通过哈希函数进行哈希映射找到对应的地址与表内的数据进行比对若是找到了无需将其删除只需将其状态更改为Delete即可若是没找到就直接返回false就可以了。 具体代码如下 bool Erase(const K key){HashFunc HF;size_t Hashi HF(key) % _table.size();//找到了while (_table[Hashi]._state ! EMPTY){if (_table[Hashi]._kv.first key _table[Hashi]._state EXIST){_table[Hashi]._state DELETE;return true;}Hashi;Hashi % _table.size();}//没找到return false;}
2.3.2.3 查找 查找的逻辑与删除类似都是现根据哈希函数来进行哈希映射来找到哈希地址再根据拿到的哈希地址在表内进行数据的比对若是数据不匹配或者数据状态为删除我们就将哈希地址加加若是一直找到空都没有找到说该元素并未插入该表内返回false找到就返回对应的数据。 具体代码如下 HashTableNodeconst K, V* Find(const K key){HashFunc HF;size_t Hashi HF(key) % _table.size();//找到了while (_table[Hashi]._state ! EMPTY){if (_table[Hashi]._kv.first key _table[Hashi]._state EXIST){return (HashTableNodeconst K, V*) _table[Hashi]._kv;}Hashi;Hashi % _table.size();}//没找到return nullptr;} 研究表明当表的长度为质数且表装载因子a不超过0.5时新的表项一定能够插入而且任 何一个位置都不会被探查两次。因此只要表中有一半的空位置就不会存在表满的问题。在 搜索时可以不考虑表装满的情况但在插入时必须确保表的装载因子a不超过0.5如果超出 必须考虑增容。 因此闭散列最大的缺陷就是空间利用率比较低这也是哈希的缺陷。 2.3.3 开散列及其模拟实现 由于闭散列中一旦载荷因子数值过大就需要进行扩容因此其空间利用率比较低的同时开辟新表并插入数据的消耗也比较大因此接下来我们来讲解另一种实现哈希表的方式——闭散列而这种方式也是下面我们封装unordered_map和unordered_set的底层容器。 2.3.3.1 开散列概念 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。 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。 2.3.3.2 插入 闭散列的哈希表插入与开散列的哈希表插入类似都需要先将插入的元素通过哈希函数进行映射得到哈希映射不同的地方在于对哈希冲突的处理以及扩容的判断。 首先我们先来讲讲扩容。对于闭散列的哈希表来说它的扩容并不需要像开散列那样进行重新创建一个新表只需要创建一个新的vector将原vector中的一个个结点拿下来即可。然后是扩容时机的选择由于闭散列采取链式的方式将一个个元素链接起来对于空间的利用率相较于开散列而言会较高因此其荷载因子可以达到1再进行扩容也就是平均每个哈希地址下挂一个元素。 再而是哈希冲突的处理我们无需像闭散列那样采取线性探测或是二次探测的方式来挤占其他哈希地址对应的空间而是采取链式的方式将冲突元素头插到当前的哈希地址将这些冲突的元素像水桶一样挂在对应的哈希地址。 具体代码如下 bool Insert(const pairK, V kv){if(Find(kv.first)){return false;}HashFunc hf;// 负载因子到1就扩容if (_n _table.size()){size_t newSize _table.size()*2;vectorNode* newTable;newTable.resize(newSize, nullptr);// 遍历旧表顺手牵羊把节点牵下来挂到新表for (size_t i 0; i _table.size(); i){Node* cur _table[i];while (cur){Node* next cur-_next;// 头插到新表size_t hashi hf(cur-_kv.first) % newSize;cur-_next newTable[hashi];newTable[hashi] cur;cur next;}_table[i] nullptr;}_table.swap(newTable);}size_t hashi hf(kv.first) % _table.size();// 头插Node* newnode new Node(kv);newnode-_next _table[hashi];_table[hashi] newnode;_n;return true;}
2.3.3.3 删除 对于删除这个接口我们要做的第一步就是查找表内是否有对应的元素可以复用查找的接口如果没有直接返回false即可如果找到了这时候我们就需要将要删除元素的上下两个节点进行链接但是由于我们的节点中只存储了下一个节点的指针因此我们还需要额外定义一个节点指针来记录所删除元素的上一个节点。当然还有一个需要注意的点就是如果要删除的元素如果是哈希地址的第一个结点就不需要链接只需要将其下一个节点给哈希地址就可以了。 具体代码如下 bool Erase(const K key){HashFunc hf;size_t hashi hf(key) % _table.size();Node* prev nullptr;Node* cur _table[hashi];while (cur){if (cur-_kv.first key){if (prev nullptr){_table[hashi] cur-_next;}else{prev-_next cur-_next;}delete cur; return true;}prev cur;cur cur-_next;}return false;}
2.3.3.3 查找 查找这一接口也不难就是通过哈希函数拿到对应的哈希地址然后到对应的哈希桶进行元素的遍历如果找不到则说明当前表内不存在该元素。 具体代码如下 Node* Find(const K key){HashFunc hf;size_t hashi hf(key) % _table.size();Node* cur _table[hashi];while (cur){if (cur-_kv.first key){return cur;}cur cur-_next;}return nullptr;}
2.4 unordered_map与unordered_set的模拟实现
2.4.1 哈希表的改造 在本文中我们对unordered_map与unordered_set的模拟实现采取对闭散列的哈希表进行封装的方式但是在上面中我们实现的哈希表还并不足以满足我们使用它们两者的需求因此在封装之前我们还需要对其进行改造。 ①模版参数列表的改造 我们改造后的哈希表一共有四个模版参数。 ●K关键码类型——方便我们我们后续查找接口的实现 ●T结点数据——由于我们并不知道是使用这个哈希表的类是set还是map所以采取泛型的方式对于set而言它就是K对于map而言就是pairK,V ●KeyOfT由于我们需要通过结点数据进行哈希函数来取得哈希地址对于set而言我们可以直接传给哈希函数但是map的T是pairK,V的类型显然不能直接传给哈希函数因此我们就需要一个仿函数来帮助我们取出T中的关键码方便我们取得哈希地址 ●HashFunc哈希函数帮助我们获得哈希地址进行哈希映射 templateclass K,class T,class Ptr,class Ref,class KeyOfT,class HashFuncstruct HTIterator{} ②增加迭代器操作 对于哈希表的迭代器而言与以往我们其他容器诸如list二叉搜索树的实现类似都是对对节点的指针进行封装来实现迭代器的各种功能不过也有其不同的一点。由于闭散列的哈希表是由一个个哈希桶组成的因此如果只是通过一个节点的指针我们并不能将整个哈希表遍历于是我们还需要一个哈希表的指针来帮助我们进行各个哈希桶之间的切换 因此对于哈希表的迭代器而言我们需要两个成员变量一个是节点的指针另一个就是哈希表的指针。由于我们对迭代器进行初始化时需要访问哈希表的指针但是其为哈希表private成员因此我们需要将迭代器设为哈希表的友元这样就能够正常的初始化了。除此之外由于有要用到哈希表类型的指针我们还需要对哈希表进行一个前置声明避免迭代器找不到该类型。 具体代码如下 // 前置声明templateclass K, class T, class KeyOfT, class HashFuncclass HashTable;templateclass K,class T,class Ptr,class Ref,class KeyOfT,class HashFuncstruct HTIterator{typedef HashNodeT Node;typedef HTIteratorK, T,Ptr, Ref, KeyOfT, HashFunc Self;typedef HTIteratorK, T, T*, T, KeyOfT, HashFunc iterator;HTIterator(Node* node, HashTableK, T, KeyOfT, HashFunc* pht):_node(node),_pht(pht){}HTIterator(const iterator it):_node(it._node), _pht(it._pht){}Self operator (){//当前桶不为空if (_node-_next){_node _node-_next;}else{KeyOfT Key;HashFunc HF;size_t hashi (HF(Key(_node-_data))% _pht-_table.size())1;while (hashi _pht-_table.size()_pht-_table[hashi] nullptr){hashi;}//找到不为空或者走到endif (hashi _pht-_table.size()) _node nullptr;else _node _pht-_table[hashi];}return *this;}Ref operator*(){return _node-_data;}Ptr operator-(){return (_node-_data);}bool operator(const Self it) const{return this-_node it._node;}bool operator!(const Self it)const{return this-_node ! it._node;}Node* _node;const HashTableK, T, KeyOfT, HashFunc* _pht;};
2.4.2 unordered_set模拟实现
2.4.3 unordered_map模拟实现 对于上面两者的封装我们只需复用哈希表的接口即可具体实现可见下面代码 三、全部代码
1.闭散列的哈希表
templateclass T
struct DefaultHashFunc
{size_t operator()(T data){return data;}
};template
struct DefaultHashFuncstring
{size_t operator()(const string str){// BKDRsize_t hash 0;for (auto ch : str){hash * 131;hash ch;}return hash;}
};namespace open_address
{enum STATE{EXIST,EMPTY,DELETE};templateclass K, class Vstruct HashTableNode{HashTableNode():_state(EMPTY){}HashTableNode(const pairK, V kv):_kv(kv), _state(EXIST){}pairK, V _kv; //存储数据STATE _state; //状态};templateclass K, class V, class HashFunc DefaultHashFuncKclass HashTable{public:typedef HashTableNodeK, V Node;HashTable():_n(0){_table.resize(10);}bool Insert(const pairK, V kv){//扩容if (_n * 10 / _table.size() 7){size_t newsize _table.size() * 2;HashTableK, V newHT;newHT._table.resize(newsize);//插入数据并重新映射for (const auto e : _table){newHT.Insert(e._kv);}_table.swap(newHT._table);}//根据哈希函数得到对应位置下标HashFunc HF;size_t Hashi HF(kv.first) % _table.size();//根据下标插入数据若有冲突则线性探测//位置状态为空或者删除则插入while (_table[Hashi]._state EXIST){if (_table[Hashi]._kv.first kv.first) return false;Hashi;}_table[Hashi] kv;_table[Hashi]._state EXIST;_n;return true;}HashTableNodeconst K, V* Find(const K key){HashFunc HF;size_t Hashi HF(key) % _table.size();//找到了while (_table[Hashi]._state ! EMPTY){if (_table[Hashi]._kv.first key _table[Hashi]._state EXIST){return (HashTableNodeconst K, V*) _table[Hashi]._kv;}Hashi;Hashi % _table.size();}//没找到return nullptr;}bool Erase(const K key){HashFunc HF;size_t Hashi HF(key) % _table.size();//找到了while (_table[Hashi]._state ! EMPTY){if (_table[Hashi]._kv.first key _table[Hashi]._state EXIST){_table[Hashi]._state DELETE;return true;}Hashi;Hashi % _table.size();}//没找到return false;}private:vectorNode _table; //哈希表size_t _n; //载荷因子};
}2.开散列的哈希表
templateclass K, class Vstruct HashNode{pairK, V _kv;HashNodeK, V* _next;HashNode(const pairK, V kv):_kv(kv),_next(nullptr){}};templateclass K, class V, class HashFunc DefaultHashFuncKclass HashTable{typedef HashNodeK, V Node;public:HashTable(){_table.resize(10, nullptr);}~HashTable(){for (size_t i 0; i _table.size(); i){Node* cur _table[i];while (cur){Node* next cur-_next;delete cur;cur next;}_table[i] nullptr;}}bool Insert(const pairK, V kv){if(Find(kv.first)){return false;}HashFunc hf;// 负载因子到1就扩容if (_n _table.size()){// 16:03继续size_t newSize _table.size()*2;vectorNode* newTable;newTable.resize(newSize, nullptr);// 遍历旧表顺手牵羊把节点牵下来挂到新表for (size_t i 0; i _table.size(); i){Node* cur _table[i];while (cur){Node* next cur-_next;// 头插到新表size_t hashi hf(cur-_kv.first) % newSize;cur-_next newTable[hashi];newTable[hashi] cur;cur next;}_table[i] nullptr;}_table.swap(newTable);}size_t hashi hf(kv.first) % _table.size();// 头插Node* newnode new Node(kv);newnode-_next _table[hashi];_table[hashi] newnode;_n;return true;}Node* Find(const K key){HashFunc hf;size_t hashi hf(key) % _table.size();Node* cur _table[hashi];while (cur){if (cur-_kv.first key){return cur;}cur cur-_next;}return nullptr;}bool Erase(const K key){HashFunc hf;size_t hashi hf(key) % _table.size();Node* prev nullptr;Node* cur _table[hashi];while (cur){if (cur-_kv.first key){if (prev nullptr){_table[hashi] cur-_next;}else{prev-_next cur-_next;}delete cur; return true;}prev cur;cur cur-_next;}return false;}void Print(){for (size_t i 0; i _table.size(); i){printf([%d]-, i);Node* cur _table[i];while (cur){cout cur-_kv.first : cur-_kv.second -;cur cur-_next;}printf(NULL\n);}cout endl;}private:vectorNode* _table; // 指针数组size_t _n 0; // 存储了多少个有效数据};
}
3.改造的哈希表
namespace hash_bucket
{templateclass Tstruct HashNode{HashNode(const T data):_data(data), _next(nullptr){}T _data;HashNode* _next;};// 前置声明templateclass K, class T, class KeyOfT, class HashFuncclass HashTable;templateclass K,class T,class Ptr,class Ref,class KeyOfT,class HashFuncstruct HTIterator{typedef HashNodeT Node;typedef HTIteratorK, T,Ptr, Ref, KeyOfT, HashFunc Self;typedef HTIteratorK, T, T*, T, KeyOfT, HashFunc iterator;HTIterator(Node* node, HashTableK, T, KeyOfT, HashFunc* pht):_node(node),_pht(pht){}HTIterator(const iterator it):_node(it._node), _pht(it._pht){}Self operator (){//当前桶不为空if (_node-_next){_node _node-_next;}else{KeyOfT Key;HashFunc HF;size_t hashi (HF(Key(_node-_data))% _pht-_table.size())1;while (hashi _pht-_table.size()_pht-_table[hashi] nullptr){hashi;}//找到不为空或者走到endif (hashi _pht-_table.size()) _node nullptr;else _node _pht-_table[hashi];}return *this;}Ref operator*(){return _node-_data;}Ptr operator-(){return (_node-_data);}bool operator(const Self it) const{return this-_node it._node;}bool operator!(const Self it)const{return this-_node ! it._node;}Node* _node;const HashTableK, T, KeyOfT, HashFunc* _pht;};templateclass K, class T, class KeyOfT,class HashFunc DefaultHashFuncKclass HashTable{//友元声明templateclass K, class T, class Ptr, class Ref, class KeyOfT, class HashFuncfriend struct HTIterator;public:typedef HashNodeT Node;typedef HTIteratorK, T, T*, T, KeyOfT, HashFunc iterator;typedef HTIteratorK, T, const T*, const T, KeyOfT, HashFunc const_iterator;HashTable():_n(0){_table.resize(10, nullptr);}iterator begin(){size_t hashi 0;while(_table[hashi] nullptr hashi _table.size()){hashi;}if (hashi _table.size()) return iterator(nullptr, this);else return iterator(_table[hashi], this);}iterator end(){return iterator(nullptr, this);}const_iterator begin() const{size_t hashi 0;while(_table[hashi] nullptr hashi _table.size()){hashi;}if (hashi _table.size()) return const_iterator(nullptr, this);else return const_iterator(_table[hashi], this);}const_iterator end() const{return const_iterator(nullptr, this);}iterator Find(const K key){HashFunc HF;KeyOfT Key;size_t Hashi HF(key) % _table.size();Node* cur _table[Hashi];//找到了while (cur){if (Key(cur-_data) key)return iterator(cur,this);elsecur cur-_next;}//没找到return iterator(nullptr,this);}pairiterator,bool Insert(const T data){//表内若已存在则返回KeyOfT Key;iterator it Find(Key(data));if (it._node! nullptr) return make_pair(it, false);//扩容if (_n / _table.size() 1){//建立新表size_t newsize _table.size() * 2;vectorNode* newtable;newtable.resize(newsize, nullptr);//遍历旧表并将数据移动到新表for (auto node : _table){HashFunc HF;Node* cur node;while (cur){Node* next cur-_next;size_t hashi HF(Key(cur-_data)) % newtable.size();cur-_next newtable[hashi];newtable[hashi] cur;cur next;}node nullptr;}//将旧表与新表交换_table.swap(newtable);}//哈希函数查找对应位置并进行数据的头插HashFunc HF;size_t hashi HF(Key(data)) % _table.size();Node* cur new Node(data);cur-_next _table[hashi];_table[hashi] cur;_n;return make_pair(iterator(cur,this),true);}void Print(){//遍历表并将打印数据for (auto node : _table){HashFunc HF;KeyOfT Key;Node* cur node;if (node){size_t hashi HF(Key(cur-_data)) % _table.size();printf([%d]-, hashi);while (cur){cout cur-_kv.first -;cur cur-_next;}cout endl;}}}bool Erase(const K key){if (Find(key) nullptr) return false;HashFunc HF;KeyOfT Key;size_t hashi HF(key) % _table.size();Node* cur _table[hashi];Node* prev nullptr;while (cur){//找到了if (Key(cur-_data) key){//cur位于第一个数据if (prev nullptr){_table[hashi] cur-_next;}else{prev-_next cur-_next;}delete cur;cur nullptr;return true;}prev cur;cur cur-_next;}//没找到return false;}~HashTable(){//遍历表并将清理数据for (auto node : _table){Node* cur node;Node* next nullptr;while (cur){next cur-_next;delete cur;cur next;}}}private:vectorNode* _table;size_t _n;};}
4.unordered_set
namespace mine
{template class Kclass unordered_set{public:struct KeyOfSet{const K operator()(const K key){return key;}};typedef typename hash_bucket::HashTableK, K, KeyOfSet::const_iterator iterator;typedef typename hash_bucket::HashTableK, K, KeyOfSet::const_iterator const_iterator;pairiterator,bool Insert(const K key){return _set.Insert(key); }iterator begin() {return _set.begin();}iterator end() {return _set.end();}const_iterator begin() const{return _set.begin();}const_iterator end() const{return _set.end();}private:hash_bucket::HashTableK, K, KeyOfSet _set;};
}
5.unoredered_map
template class K,class Vclass unordered_map{public:struct KeyOfMap{const K operator()(const pairK,V kv){return kv.first;}};typedef typename hash_bucket::HashTableK, pairconst K, V, KeyOfMap::iterator iterator;typedef typename hash_bucket::HashTableK, pairconst K, V, KeyOfMap::const_iterator const_iterator;pairiterator,bool Insert(const pairK,V kv){return _map.Insert(kv);}V operator[](const K key){pairiterator, bool ret _map.Insert(make_pair(key, V()));return ret.first-second;}iterator begin(){return _map.begin();}iterator end(){return _map.end();}const_iterator begin() const{return _map.begin();}const_iterator end() const{return _map.end();}private:hash_bucket::HashTableK, pairconst K,V, KeyOfMap _map;};
}
四、结语 到此为止关于哈希表的部分内容就告一段落了至于其应用诸如位图和布隆过滤器我们会在下一节中为小伙伴们继续介绍小伙伴们敬请期待呀 关注我 _麦麦_分享更多干货_麦麦_-CSDN博客 大家的「关注❤️ 点赞 收藏⭐」就是我创作的最大动力谢谢大家的支持我们下期见
