首页 > 代码库 > 字符串哈希 （转载）
字符串哈希 （转载）
基本概念
所谓完美哈希函数，就是指没有冲突的哈希函数，即对任意的 key1 != key2 有h(key1) != h(key2)。
设定义域为X，值域为Y, n=|X|,m=|Y|，那么肯定有m>=n,如果对于不同的key1,key2属于X,有h(key1)!=h(key2)，那么称h为完美哈希函数，当m=n时，h称为最小完美哈希函数（这个时候就是一一映射了）。
在处理大规模字符串数据时，经常要为每个字符串分配一个整数ID。这就需要一个字符串的哈希函数。怎么样找到一个完美的字符串hash函数呢？
有一些常用的字符串hash函数。像BKDRHash，APHash，DJBHash，JSHash，RSHash，SDBMHash，PJWHash，ELFHash等等。都是比较经典的。
下面是转载的对几个常用字符串hash函数的分析：
http://www.cnblogs.com/atlantis13579/archive/2010/02/06/1664792.html
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，这些函数几乎不可能找到碰撞。
常用字符串哈希函数有 BKDRHash，APHash，DJBHash，JSHash，RSHash，SDBMHash，PJWHash，ELFHash等等。对于以上几种哈希函数，我对其进行了一个小小的评测。
| Hash函数 | 数据1 | 数据2 | 数据3 | 数据4 | 数据1得分 | 数据2得分 | 数据3得分 | 数据4得分 | 平均分 |
| BKDRHash | 2 | 0 | 4774 | 481 | 96.55 | 100 | 90.95 | 82.05 | 92.64 |
| APHash | 2 | 3 | 4754 | 493 | 96.55 | 88.46 | 100 | 51.28 | 86.28 |
| DJBHash | 2 | 2 | 4975 | 474 | 96.55 | 92.31 | 0 | 100 | 83.43 |
| JSHash | 1 | 4 | 4761 | 506 | 100 | 84.62 | 96.83 | 17.95 | 81.94 |
| RSHash | 1 | 0 | 4861 | 505 | 100 | 100 | 51.58 | 20.51 | 75.96 |
| SDBMHash | 3 | 2 | 4849 | 504 | 93.1 | 92.31 | 57.01 | 23.08 | 72.41 |
| PJWHash | 30 | 26 | 4878 | 513 | 0 | 0 | 43.89 | 0 | 21.95 |
| ELFHash | 30 | 26 | 4878 | 513 | 0 | 0 | 43.89 | 0 | 21.95 |
其中数据1为100000个字母和数字组成的随机串哈希冲突个数。数据2为100000个有意义的英文句子哈希冲突个数。数据3为数据1的哈希值与 1000003(大素数)求模后存储到线性表中冲突的个数。数据4为数据1的哈希值与10000019(更大素数)求模后存储到线性表中冲突的个数。
经过比较，得出以上平均得分。平均数为平方平均数。可以发现，BKDRHash无论是在实际效果还是编码实现中，效果都是最突出的。APHash也是较为优秀的算法。DJBHash,JSHash,RSHash与SDBMHash各有千秋。PJWHash与ELFHash效果最差，但得分相似，其算法本质是相似的。
1 unsigned int SDBMHash(char *str) 2 { 3 unsigned int hash = 0; 4 5 while (*str) 6 { 7 // equivalent to: hash = 65599*hash + (*str++); 8 hash = (*str++) + (hash << 6) + (hash << 16) - hash; 9 } 10 11 return (hash & 0x7FFFFFFF); 12 } 13 14 // RS Hash Function 15 unsigned int RSHash(char *str) 16 { 17 unsigned int b = 378551; 18 unsigned int a = 63689; 19 unsigned int hash = 0; 20 21 while (*str) 22 { 23 hash = hash * a + (*str++); 24 a *= b; 25 } 26 27 return (hash & 0x7FFFFFFF); 28 } 29 30 // JS Hash Function 31 unsigned int JSHash(char *str) 32 { 33 unsigned int hash = 1315423911; 34 35 while (*str) 36 { 37 hash ^= ((hash << 5) + (*str++) + (hash >> 2)); 38 } 39 40 return (hash & 0x7FFFFFFF); 41 } 42 43 // P. J. Weinberger Hash Function 44 unsigned int PJWHash(char *str) 45 { 46 unsigned int BitsInUnignedInt = (unsigned int)(sizeof(unsigned int) * 8); 47 unsigned int ThreeQuarters = (unsigned int)((BitsInUnignedInt * 3) / 4); 48 unsigned int OneEighth = (unsigned int)(BitsInUnignedInt / 8); 49 unsigned int HighBits = (unsigned int)(0xFFFFFFFF) << (BitsInUnignedInt - OneEighth); 50 unsigned int hash = 0; 51 unsigned int test = 0; 52 53 while (*str) 54 { 55 hash = (hash << OneEighth) + (*str++); 56 if ((test = hash & HighBits) != 0) 57 { 58 hash = ((hash ^ (test >> ThreeQuarters)) & (~HighBits)); 59 } 60 } 61 62 return (hash & 0x7FFFFFFF); 63 } 64 65 // ELF Hash Function 66 unsigned int ELFHash(char *str) 67 { 68 unsigned int hash = 0; 69 unsigned int x = 0; 70 71 while (*str) 72 { 73 hash = (hash << 4) + (*str++); 74 if ((x = hash & 0xF0000000L) != 0) 75 { 76 hash ^= (x >> 24); 77 hash &= ~x; 78 } 79 } 80 81 return (hash & 0x7FFFFFFF); 82 } 83 84 // BKDR Hash Function 85 unsigned int BKDRHash(char *str) 86 { 87 unsigned int seed = 131; // 31 131 1313 13131 131313 etc.. 88 unsigned int hash = 0; 89 90 while (*str) 91 { 92 hash = hash * seed + (*str++); 93 } 94 95 return (hash & 0x7FFFFFFF); 96 } 97 98 // DJB Hash Function 99 unsigned int DJBHash(char *str)100 {101 unsigned int hash = 5381;102 103 while (*str)104 {105 hash += (hash << 5) + (*str++);106 }107 108 return (hash & 0x7FFFFFFF);109 }110 111 // AP Hash Function112 unsigned int APHash(char *str)113 {114 unsigned int hash = 0;115 int i;116 117 for (i=0; *str; i++)118 {119 if ((i & 1) == 0)120 {121 hash ^= ((hash << 7) ^ (*str++) ^ (hash >> 3));122 }123 else124 {125 hash ^= (~((hash << 11) ^ (*str++) ^ (hash >> 5)));126 }127 }128 129 return (hash & 0x7FFFFFFF);130 }
1 //用跟元素个数最接近的质数作为散列表的大小 2 #define NHASH 29989 3 #define MULT 31 4 5 unsigned in hash(char *p) 6 { 7 unsigned int h = 0; 8 for (; *p; p++) 9 h = MULT *h + *p;10 return h % NHASH;11 }