C# Rabin-Karp字符串搜索算法中使用的滚动哈希函数是否有任何有效的实现？

我希望使用一个滚动散列函数，这样我就可以对一个非常大的字符串的n-gram进行散列

例如：

“stackoverflow”，分为5克：

“stack”、“tacko”、“ackov”、“ckove”， “kover”、“overf”、“verfl”、“erflo”、“rflow”

这对于滚动散列函数非常理想，因为在我计算第一个n-gram散列之后，下面的计算相对便宜，因为我只需删除第一个散列的第一个字母，然后添加第二个散列的新的最后一个字母

我知道，一般情况下，此哈希函数的生成方式如下：

H=c1ak− 1+c2ak− 2+c3ak− 3 + ... + cka0，其中a为常数，c1，…，ck为输入字符

如果您在上遵循此链接，它说明“a”通常是某个大素数

我希望我的散列存储在32位整数中，那么素数“a”应该有多大，这样我就不会溢出整数

是否存在我可以使用的哈希函数的现有实现

---

以下是我创建的一个实现：

public class hash2
{

    public int prime = 101;

    public int hash(String text)
    {
        int hash = 0;

        for(int i = 0; i < text.length(); i++)
        {
            char c = text.charAt(i);
            hash += c * (int) (Math.pow(prime, text.length() - 1 - i));
        }

        return hash;
    }

    public int rollHash(int previousHash, String previousText, String currentText)
    {

        char firstChar = previousText.charAt(0);
        char lastChar = currentText.charAt(currentText.length() - 1);

        int firstCharHash = firstChar * (int) (Math.pow(prime, previousText.length() - 1));
        int hash = (previousHash - firstCharHash) * prime + lastChar;

        return hash;
    }

    public static void main(String[] args)
    {
        hash2 hashify = new hash2();

        int firstHash = hashify.hash("mydog");
        System.out.println(firstHash);
        System.out.println(hashify.hash("ydogr"));
        System.out.println(hashify.rollHash(firstHash, "mydog", "ydogr"));
    }

}

公共类hash2
{
公共整数素数=101；
公共整数散列（字符串文本）
{
int hash=0；
对于（int i=0；i

我用101作为我的主要目标。我的哈希值是否会溢出有关系吗？我认为这是可取的，但我不确定

---

这似乎是正确的方法吗？

据我所知，这是一种功能最小化：

2^31 - sum (maxchar) * A^kx

---

其中

maxchar=62

（对于

A-Za-z0-9

）。我刚刚用Excel（OO Calc，准确地说）：）计算了它，它找到的最大值a是质数的

76

，或

73

。

我记得一个稍微不同的实现，它似乎来自sedgewick的一本算法书（它还包含示例代码-尝试查找）。下面是调整为32位整数的摘要：

您可以使用模运算来防止每次运算后整数溢出

初始设置：

• c=文本（“堆栈溢出”）
• M=n克的长度
• d=字母表的大小（256）
• q=一个大素数，这样（d+1）*q不会溢出（8355967可能是一个不错的选择）
• dM=dM-1模q

首先计算第一个n-gram的哈希值：

h = 0
for i from 1 to M:
  h = (h*d + c[i]) mod q

对于以下每n克：

for i from 1 to lenght(c)-M:
  // first subtract the oldest character
  h = (h + d*q - c[i]*dM) mod q

  // then add the next character
  h = (h*d + c[i+M]) mod q

在减去最早的字符之前必须添加d*q的原因是，由于前面的模运算导致的值较小，因此可能会遇到负值

---

错误也包括在内，但我认为你应该明白这一点。试着找一本sedgewick的算法书，以获得详细信息、更少的错误和更好的描述。：）

不确定您的目标是什么，但如果您试图提高性能，那么使用math.pow将比计算滚动哈希值节省更多的成本

---

我建议您从保持简单高效开始，您很可能会发现它足够快。

为什么此应用程序的素数与“正常”字符串哈希代码生成有任何不同？该算法非常简单，很容易从伪代码实现。你试过自己编码吗？你所说的包含错误是什么意思？如果我这样做，我会遇到“负值”吗？如何防止它？@Myth17:我的意思是你应该谨慎使用我的（伪）代码，因为它可能包含错误/i没有对它进行广泛测试。Rabin-Karp字符串serach算法中使用的滚动哈希应该允许计算下一个哈希值：s[i+1..i+m]=s[i..i+m-1]-s[i]+s[i+m]。您提供的算法不能用于此目的。计算功率的最快方法？这取决于具体情况。简单乘法通常更快。