devbox
很楠不爱3
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

C++ 哈希表及unordered_set + unordered_map容器_c++ 哈希表容器

作者：很楠不爱3 | 2024-05-29 01:33:41

赞

踩

c++ 哈希表容器

目录

一.unordered_set和unordered_map的使用

二.哈希结构

1.概念

2.哈希函数

（1） 哈希函数设计原则

（2）常见哈希函数

3.哈希冲突

4.哈希冲突解决

（1）闭散列

（2）开散列

（3）开散列与闭散列比较

三.unordered_set及unordered_map模拟实现

1.哈希表改造

（1）模板 

（2）迭代器

（3）修改完善函数

哈希表改造后全部代码：

2.unordered_set

3.unordered_map

        前言：unordered_set和unordered_map是C++11中新增加的两个关联式容器，使用方式与set和map基本相同，但是unordered_set和unordered_map的底层是哈希表，而set和map的底层是红黑树。并且unordered_set不能排序；unordered_set和unordered_map是单向迭代器；效率要高一下，时间复杂度为O(1)。

一.unordered_set和unordered_map的使用

        这里unordered_set和unordered_map的使用与set和map基本相同，因此会了set和map，这两个也就会了。

map+set：C++ 关联式容器map+set_糖果雨滴a的博客-CSDN博客

二.哈希结构

1.概念

        在之前的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。

       概念：可以不经过任何比较，一次直接从表中得到要搜索的元素。可以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，在查找时可以很快找到该元素。

（1）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。

（2）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（散列表）。

        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。

2.哈希函数

（1） 哈希函数设计原则

① 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

② 哈希函数计算出来的地址能均匀分布在整个空间中。

③ 哈希函数应该比较简单。

（2）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：Hash(Key) = 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<=m),将关键码转换成哈希地址。

③ 平方取中法

        假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址； 再比如关键字为4321，对它平方就是18671041，抽取中间的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

        折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，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

        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Hash(key) = random(key),其中random为随机数函数。

        随机数法通常应用于关键字长度不等时采用此法。

⑥ 数学分析法

        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。

        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。

3.哈希冲突

        对于两个数据元素的关键字 ki 和 kj (i != j)，有 ki != kj ，但有：Hash(ki) == Hash(kj)，即：不同关键字通过相同哈希计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”。

        引起哈希冲突的一个原因可能是：哈希函数设计不够合理。

4.哈希冲突解决

        解决哈希冲突的两种常见方法是：闭散列和开散列。

（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存到冲突位置中的“下一个”空位置中去。

        那么如何去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。

a. 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。

       

既然有插入，那么就有扩容，那哈希表什么时候进行扩容呢？如何扩容呢？

        扩容就由负载因子（载荷因子）来决定，负载因子：表中的元素 / 散列表的长度。

        负载因子越大，表明表中的元素越低，产生冲突的可能性就越大；反之，负载因子越小，表明表中的元素越少，产生冲突的可能性就越小。

        对于开放定址法，负载因子应控制在0.7-0.8以下。超过 0.8.会导致CPU缓存不命中。Java中限制了负载因子为0.75.

插入函数的具体实现：

        先通过调用查找函数，判断当前key是否存在，若存在就不再插入；不存在就要先判断负载因子是否到0.7及以上，到了就扩容，在扩容以后要重新映射（通过创建一个有扩容后空间的新表，然后通过遍历旧表，将其插入新表中，最后交换新旧表，这样原本的旧表就变成了新表）。

        扩容判断结束后，要准备找位置插入，首先因为不清楚要插入的类型，所以这里使用了仿函数，包括了int类型和string类型，并且为了在调用Insert时不需要传仿函数的参，就给仿函数写一个缺省，并且要把string类型的仿函数实现为特化版本。

        然后从该数应该映射的位置开始查找可以插入的位置（即state不为EXITS就可以插入），找到位置之后，插入，并更新插入的数据个数n。

b. 删除

        采用闭散列处理哈希冲突时，不能随便物理的删除哈希表中已有的元素，若直接删除元素会影响其它元素的搜索。因此线性探测采用标记的伪删除法来删除一个元素。

删除函数的具体实现：

        通过调用Find函数，查找是否存在，若存在就将该位置state标记为DELETE。 

c.查找

查找函数的具体实现：

        从要找着的数据本应映射的位置开始查找，如果没到标记为EMPTY的数据就一直去查找，直到找到了标记不为DELETE（即为EXITS）的数据并且key值相同，就说明找到了该值；若找了key值相同却为DELETE的，说明之前被删除了，而如果一直走到了EMPTY都没有找到，就一定是没有该数据了。

实现：

  1. #pragma once
  2.  
  3. namespace CloseHash
  4. {
  5. 	enum State
  6. 	{
  7. 		EMPTY,
  8. 		EXITS,
  9. 		DELETE
  10. 	};
  11.  
  12. 	template <class K, class V>
  13. 	struct HashData
  14. 	{
  15. 		pair<K, V> _kv;
  16. 		State _state = EMPTY;
  17. 	};
  18.  
  19. 	template <class K>
  20. 	struct DefaultHash
  21. 	{
  22. 		size_t operator()(const K& key)
  23. 		{
  24. 			return (size_t)key;
  25. 		}
  26. 	};
  27.  
  28. 	template<>
  29. 	struct DefaultHash<string>
  30. 	{
  31. 		size_t operator()(const string& key)
  32. 		{
  33. 			// BKDR
  34. 			size_t hash = 0;
  35. 			for (auto ch : key)
  36. 			{
  37. 				hash = hash * 131 + ch;
  38. 			}
  39.  
  40. 			return hash;
  41. 		}
  42. 	};
  43.  
  44. 	template <class K, class V, class HashFunc = DefaultHash<K>>
  45. 	class HashTable
  46. 	{
  47. 		typedef HashData<K, V> Data;
  48. 	public:
  49. 		bool Insert(const pair<K, V>& kv)
  50. 		{
  51. 			if (Find(kv.first))
  52. 			{
  53. 				return false;
  54. 			}
  55.  
  56. 			// 负载因子到0.7及以上，就扩容
  57. 			if (_tables.size() == 0 || _n * 10 / _tables.size() >= 7)
  58. 			{
  59. 				size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
  60. 				// 扩容以后，需要重新映射
  61. 				HashTable<K, V, HashFunc> newHT;
  62. 				newHT._tables.resize(newSize);
  63. 				// 遍历旧表，插入newHT
  64. 				for (auto& e : _tables)
  65. 				{
  66. 					if (e._state == EXITS)
  67. 					{
  68. 						newHT.Insert(e._kv);
  69. 					}
  70. 				}
  71. 				newHT._tables.swap(_tables);
  72. 			}
  73.  
  74. 			HashFunc hf;
  75. 			size_t starti = hf(kv.first);
  76. 			starti %= _tables.size();
  77.  
  78. 			size_t hashi = starti;
  79. 			size_t i = 1;
  80. 			// 线性探测/二次探测
  81. 			while (_tables[hashi]._state == EXITS)
  82. 			{
  83. 				hashi == starti + i;
  84. 				++i;
  85. 				hashi %= _tables.size();
  86. 			}
  87.  
  88. 			_tables[hashi]._kv = kv;
  89. 			_tables[hashi]._state = EXITS;
  90. 			_n++;
  91.  
  92. 			return true;
  93. 		}
  94.  
  95. 		Data* Find(const K& key)
  96. 		{
  97. 			if (_tables.size() == 0)
  98. 			{
  99. 				return nullptr;
  100. 			}
  101.  
  102. 			HashFunc hf;
  103. 			size_t starti = hf(key);
  104. 			starti %= _tables.size();
  105.  
  106. 			size_t hashi = starti;
  107. 			size_t i = 1;
  108. 			while (_tables[hashi]._state != EMPTY)
  109. 			{
  110. 				if (_tables[hashi]._state != DELETE && _tables[hashi]._kv.first == key)
  111. 				{
  112.  
  113. 					return &_tables[hashi];
  114. 				}
  115.  
  116. 				hashi = starti + i;
  117. 				++i;
  118. 				hashi %= _tables.size();
  119. 			}
  120.  
  121. 			return nullptr;
  122. 		}
  123.  
  124. 		bool Erase(const K& key)
  125. 		{
  126. 			Data* ret = Find(key);
  127. 			if (ret)
  128. 			{
  129. 				ret->_state = DELETE;
  130. 				--_n;
  131. 				return true;
  132. 			}
  133. 			else
  134. 			{
  135. 				return false;
  136. 			}
  137. 		}
  138.  
  139. 	private:
  140. 		vector<Data> _tables;
  141. 		size_t _n = 0; // 存储关键字的个数
  142. 	};
  143. }

线性探测优点：实现简单

线性探测缺点：一旦发生哈希冲突，所有的冲突连在一起，容易产生数据“堆积”，即：不同关键码占据了可利用的空位置，使得寻找某关键码的位置需要许多次比较，导致搜索效率降低。

② 二次探测

        因为线性探测的缺陷是产生冲突的数据会堆积在一块，就导致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，就对其进行了优化：找下一个位置的方法变为Hi = (H0 + i^2) % m，i为1，2，3......。即不是依次往后走了，而是变成了i^2，并且这个i会依次增大。

二次探测实现：

        二次探测的实现与线性探测基本相同，只是在插入上有一些区别，这里就不实现了。

       

        虽然二次探测是线性探测的优化，不过，二次探测在本质上并没有解决闭散列去占别人位置的问题，因此一样容易造成哈希冲突。二次探测只不过是比线性探测能少一些哈希冲突。

（2）开散列

        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。

 

因此，开散列中每个桶中放的都是在闭散列中会发生哈希冲突的元素。

a.插入

插入函数的具体实现：

        先通过调用查找函数，判断当前key是否存在，若存在就不再插入；不存在就要先判断负载因子是否到1及以上，到了就扩容，在扩容以后要重新映射（通过创建一个有扩容后空间的新表，然后通过遍历旧表，将旧表中桶的元素插入新表中，这样原本的旧表就不需要清理【已经全部转移到了新表中】，最后交换新旧表，旧表就变成了新表）。

        扩容判断结束后，要准备找位置插入，首先因为不清楚要插入的类型，所以这里使用了仿函数，包括了int类型和string类型，并且为了在调用Insert时不需要传仿函数的参，就给仿函数写一个缺省，并且要把string类型的仿函数实现为特化版本。

        然后从先得到该数应该映射的位置并进行头插，并更新插入的数据个数n。

b.删除

删除函数的具体实现：

        因为是在一个数组上的每个元素下有一个链表，因此要想删除一个元素，我们可以进行头删（单链表头删效率高）。首先定义一个prev，然后找到对应的key时，如果这个元素是链表头，就要改头的下一个位置的元素变成新的链表头；如果不是，就将prev的next直接链接到当前key的下一个元素，最后delete掉即可。（这里始终保证prev是cur的上一个元素）。

c.查找

查找函数的具体实现：

         这个就是找到对应的桶，然后进行查找即可（单链表查找）。

开散列实现：

  1. #pragma once
  2.  
  3. namespace Bucket
  4. {
  5. 	template <class K, class V>
  6. 	struct HashNode
  7. 	{
  8. 		pair<K, V> _kv;
  9. 		HashNode<K, V>* _next;
  10.  
  11. 		HashNode(const pair<K, V>& kv)
  12. 			: _kv(kv)
  13. 			, _next(nullptr)
  14. 		{}
  15. 	};
  16.  
  17. 	template <class K, class V, class HashFunc = DefaultHash<K>>
  18. 	class HashTable
  19. 	{
  20. 		typedef HashNode<K, V> Node;
  21. 	public:
  22. 		~HashTable()
  23. 		{
  24. 			for (size_t i = 0; i < _tables.size(); ++i)
  25. 			{
  26. 				Node* cur = _tables[i];
  27. 				while (cur)
  28. 				{
  29.  
  30. 					Node* next = cur->_next;
  31. 					delete cur;
  32. 					cur = next;
  33. 				}
  34.  
  35. 				_tables[i] = nullptr;
  36. 			}
  37. 		}
  38.  
  39. 		bool Insert(const pair<K, V>& kv)
  40. 		{
  41. 			if (Find(kv.first))
  42. 			{
  43. 				return false;
  44. 			}
  45.  
  46. 			HashFunc hf;
  47.  
  48. 			// 负载因子 == 1 扩容
  49. 			if (_tables.size() == _n)
  50. 			{
  51. 				size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
  52. 				vector<Node*> newTable;
  53. 				newTable.resize(newSize, nullptr);
  54. 				for (size_t i = 0; i < _tables.size(); ++i)
  55. 				{
  56. 					Node* cur = _tables[i];
  57. 					while (cur)
  58. 					{
  59. 						Node* next = cur->_next;
  60.  
  61. 						size_t hashi = hf(cur->_kv.first) % newSize;
  62. 						cur->_next = newTable[hashi];
  63. 						newTable[hashi] = cur;
  64.  
  65. 						cur = next;
  66. 					}
  67.  
  68. 					_tables[i] = nullptr;
  69. 				}
  70.  
  71. 				newTable.swap(_tables);
  72. 			}
  73.  
  74. 			size_t hashi = hf(kv.first);
  75. 			hashi %= _tables.size();
  76.  
  77. 			// 头插到对应的桶
  78. 			Node* newnode = new Node(kv);
  79. 			newnode->_next = _tables[hashi];
  80. 			_tables[hashi] = newnode;
  81.  
  82. 			++_n;
  83.  
  84. 			return true;
  85. 		}
  86.  
  87. 		Node* Find(const K& key)
  88. 		{
  89. 			if (_tables.size() == 0)
  90. 			{
  91. 				return nullptr;
  92. 			}
  93.  
  94. 			HashFunc hf;
  95. 			size_t hashi = hf(key);
  96. 			hashi %= _tables.size();
  97. 			Node* cur = _tables[hashi];
  98. 			while (cur)
  99. 			{
  100. 				if (cur->_kv.first == key)
  101. 				{
  102. 					return cur;
  103. 				}
  104.  
  105. 				cur = cur->_next;
  106. 			}
  107.  
  108. 			return nullptr;
  109. 		}
  110.  
  111. 		bool Erase(const K& key)
  112. 		{
  113. 			if (_tables.size() == 0)
  114. 			{
  115. 				return false;
  116. 			}
  117.  
  118. 			HashFunc hf;
  119. 			size_t hashi = hf(key);
  120. 			hashi %= _tables.size();
  121. 			Node* prev = nullptr;
  122. 			Node* cur = _tables[hashi];
  123. 			while (cur)
  124. 			{
  125. 				if (cur->_kv.first == key)
  126. 				{
  127. 					if (prev == nullptr)
  128. 					{
  129. 						_tables[hashi] = cur->_next;
  130. 					}
  131. 					else
  132. 					{
  133. 						prev->_next = cur->_next;
  134. 					}
  135.  
  136. 					delete cur;
  137.  
  138. 					return true;
  139. 				}
  140.  
  141. 				prev = cur;
  142. 				cur = cur->_next;
  143. 			}
  144.  
  145. 			return false;
  146. 		}
  147. 	private:
  148. 		vector<Node*> _tables; // 指针数组
  149. 		size_t _n = 0;
  150. 	};
  151. }

（3）开散列与闭散列比较

        开散列（链地址法）处理溢出，需要增设链接指针，似乎增加了存储开销。事实上，由于闭散列（开地址法）必须保持大量的空闲空间以确保搜索效率，导致闭散列表项所占空间比指针大的多。因此使用开散列（链地址法）要比闭散列（开地址法）节省存储空间。

三.unordered_set及unordered_map模拟实现

1.哈希表改造

        为了用哈希表去封装unordered_set和unordered_map（这里用的是开散列封装），就要去改造哈希表，然后在unordered_set和unordered_map中调用哈希表函数即可。而如何改造，模板和迭代器是关键。

        

        这里类似于之前模拟实现的set和map，但是哈希表要再稍微麻烦一些。

set+map->C++ 关联式容器map+set_糖果雨滴a的博客-CSDN博客

（1）模板 

        这里模板的K就是key，但是因为要封装unordered_set和unordered_map，所以我们不确定下一个参数是不是V，因此这个T是决定存什么的，如果是unordered_set就是K，如果是unordered_map就是V。

        KeyOfT仿函数就是用在封装时，到底是unordered_set返回key，还是unordered_map返回kv.first，这里需要作为区分。

        HashFunc仿函数就是因为我们不知道存的数据是什么，所以对存的数据的不同，要进行不同的处理。

template <class K, class T, class KeyOfT, class HashFunc>

（2）迭代器

        迭代器需要我们自己封装实现，这里的成员变量分别是 结点，和指向哈希表的指针。

        然后实现*，->，!=，==，++的操作符重载（这里不需要实现 --的操作符重载，因为哈希表的是单向迭代器）。

        这些操作符重载的实现比较简单，只有++需要去进行查找。

  1. template <class T>
  2. struct HashNode
  3. {
  4. 	T _data;
  5. 	HashNode<T>* _next;
  6.  
  7. 	HashNode(const T& data)
  8. 		: _data(data)
  9. 		, _next(nullptr)
  10. 	{}
  11. };
  12.  
  13. template <class K, class T, class KeyOfT, class HashFunc>
  14. class HashTable;
  15.  
  16. template<class K, class T, class KeyOfT, class HashFunc>
  17. class __HTIterator
  18. {
  19. 	typedef HashNode<T> Node;
  20. 	typedef __HTIterator<K, T, KeyOfT, HashFunc> Self;
  21. public:
  22. 	Node* _node;
  23. 	HashTable<K, T, KeyOfT, HashFunc>* _pht;
  24.  
  25. 	__HTIterator()
  26. 	{}
  27.  
  28. 	__HTIterator(Node* node, HashTable<K, T, KeyOfT, HashFunc>* pht)
  29. 		: _node(node)
  30. 		, _pht(pht)
  31. 	{}
  32.  
  33. 	Self& operator++()
  34. 	{
  35. 		if (_node->_next)
  36. 		{
  37. 			_node = _node->_next;
  38. 		}
  39. 		else
  40. 		{
  41. 			KeyOfT kot;
  42. 			HashFunc hf;
  43. 			size_t hashi = hf(kot(_node->_data)) % _pht->_tables.size();
  44. 			++hashi;
  45. 			// 找下一个不为空的桶
  46. 			for (; hashi < _pht->_tables.size(); ++hashi)
  47. 			{
  48. 				if (_pht->_tables[hashi])
  49. 				{
  50. 					_node = _pht->_tables[hashi];
  51. 					break;
  52. 				}
  53. 			}
  54.  
  55. 			// 没有找到不为空的桶，用nullptr去做end标识
  56. 			if (hashi == _pht->_tables.size())
  57. 			{
  58. 				_node = nullptr;
  59. 			}
  60. 		}
  61.  
  62. 		return *this;
  63. 	}
  64.  
  65. 	T& operator*()
  66. 	{
  67. 		return _node->_data;
  68. 	}
  69.  
  70. 	T* operator->()
  71. 	{
  72. 		return &_node->_data;
  73. 	}
  74.  
  75. 	bool operator!=(const Self& s) const
  76. 	{
  77. 		return _node != s._node;
  78. 	}
  79.  
  80. 	bool operator==(const Self& s) const
  81. 	{
  82. 		return _node == s._node;
  83. 	}
  84. };

（3）修改完善函数

        接下来就要把之前所实现的函数进行修改完善，并且因为多了迭代器，所以也要实现迭代器的接口函数。

        迭代器的begin和end实现比较简单，注意这里的返回值，返回值是一个利用当前结点和当前指向哈希表的指针构造的iterator。

        为了unordered_map的[]操作符重载的实现，我们需要对Insert和的Find返回值进行修改，Insert函数的返回值需要是一个pair类型的（其中一个是iterator类型，另一个是bool类型）。

        iterator类型就是为了调用[]后可以得到当前的迭代器，而bool类型是为了判断是否插入成功的。

        查找函数也需要修改一下返回值，它的返回值要改成迭代器，找到了就要返回这个函数的迭代器，这样在插入函数中才能得到其对应的迭代器。

        

        这里还有一个优化，就是让扩容后的值是质数。这个在C++的STL源码中是进行了这个修改的，但是java中并没有，所以也不是很确定这个优化到底如何。

优化如下：

  1. size_t GetNextPrime(size_t prime)
  2. {
  3. 	const int PRIMECOUNT = 28;
  4. 	static const size_t primeList[PRIMECOUNT] =
  5. 	{
  6. 		53ul, 97ul, 193ul, 389ul, 769ul,
  7. 		1543ul, 3079ul, 6151ul, 12289ul, 24593ul,
  8. 		49157ul, 98317ul, 196613ul, 393241ul, 786433ul,
  9. 		1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,
  10. 		50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,
  11. 		1610612741ul, 3221225473ul, 4294967291ul
  12. 	};
  13.  
  14. 	// 获取比prime大那一个素数
  15. 	size_t i = 0;
  16. 	for (; i < PRIMECOUNT; ++i)
  17. 	{
  18. 		if (primeList[i] > prime)
  19. 			return primeList[i];
  20. 	}
  21.  
  22. 	return primeList[i];
  23. }
  24.  
  25. pair<iterator, bool> Insert(const T& data)
  26. {
  27. 	HashFunc hf;
  28. 	KeyOfT kot;
  29.  
  30. 	iterator pos = Find(kot(data));
  31. 	if (pos != end())
  32. 	{
  33. 		return make_pair(pos, false);
  34. 	}
  35.  
  36. 	// 负载因子 == 1 扩容
  37. 	if (_tables.size() == _n)
  38. 	{
  39. 		//size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
  40. 		size_t newSize = GetNextPrime(_tables.size());
  41. 		if (newSize != _tables.size())
  42. 		{
  43. 			vector<Node*> newTable;
  44. 			newTable.resize(newSize, nullptr);
  45. 			for (size_t i = 0; i < _tables.size(); ++i)
  46. 			{
  47. 				Node* cur = _tables[i];
  48. 				while (cur)
  49. 				{
  50. 					Node* next = cur->_next;
  51.  
  52. 					size_t hashi = hf(kot(cur->_data)) % newSize;
  53. 					cur->_next = newTable[hashi];
  54. 					newTable[hashi] = cur;
  55.  
  56. 					cur = next;
  57. 				}
  58.  
  59. 				_tables[i] = nullptr;
  60. 			}
  61.  
  62. 			newTable.swap(_tables);
  63. 		}
  64. 	}
  65.  
  66. 	size_t hashi = hf(kot(data));
  67. 	hashi %= _tables.size();
  68.  
  69. 	// 头插到对应的桶
  70. 	Node* newnode = new Node(data);
  71. 	newnode->_next = _tables[hashi];
  72. 	_tables[hashi] = newnode;
  73.  
  74. 	++_n;
  75.  
  76. 	return make_pair(iterator(newnode, this), true);
  77. }

哈希表改造后全部代码：

  1. #pragma once
  2.  
  3. template <class K>
  4. struct DefaultHash
  5. {
  6. 	size_t operator()(const K& key)
  7. 	{
  8. 		return (size_t)key;
  9. 	}
  10. };
  11.  
  12. template<>
  13. struct DefaultHash<string>
  14. {
  15. 	size_t operator()(const string& key)
  16. 	{
  17. 		// BKDR
  18. 		size_t hash = 0;
  19. 		for (auto ch : key)
  20. 		{
  21. 			hash = hash * 131 + ch;
  22. 		}
  23.  
  24. 		return hash;
  25. 	}
  26. };
  27.  
  28. namespace Bucket
  29. {
  30. 	template <class T>
  31. 	struct HashNode
  32. 	{
  33. 		T _data;
  34. 		HashNode<T>* _next;
  35.  
  36. 		HashNode(const T& data)
  37. 			: _data(data)
  38. 			, _next(nullptr)
  39. 		{}
  40. 	};
  41.  
  42. 	template <class K, class T, class KeyOfT, class HashFunc>
  43. 	class HashTable;
  44.  
  45. 	template<class K, class T, class KeyOfT, class HashFunc>
  46. 	class __HTIterator
  47. 	{
  48. 		typedef HashNode<T> Node;
  49. 		typedef __HTIterator<K, T, KeyOfT, HashFunc> Self;
  50. 	public:
  51. 		Node* _node;
  52. 		HashTable<K, T, KeyOfT, HashFunc>* _pht;
  53.  
  54. 		__HTIterator()
  55. 		{}
  56.  
  57. 		__HTIterator(Node* node, HashTable<K, T, KeyOfT, HashFunc>* pht)
  58. 			: _node(node)
  59. 			, _pht(pht)
  60. 		{}
  61.  
  62. 		Self& operator++()
  63. 		{
  64. 			if (_node->_next)
  65. 			{
  66. 				_node = _node->_next;
  67. 			}
  68. 			else
  69. 			{
  70. 				KeyOfT kot;
  71. 				HashFunc hf;
  72. 				size_t hashi = hf(kot(_node->_data)) % _pht->_tables.size();
  73. 				++hashi;
  74. 				// 找下一个不为空的桶
  75. 				for (; hashi < _pht->_tables.size(); ++hashi)
  76. 				{
  77. 					if (_pht->_tables[hashi])
  78. 					{
  79. 						_node = _pht->_tables[hashi];
  80. 						break;
  81. 					}
  82. 				}
  83.  
  84. 				// 没有找到不为空的桶，用nullptr去做end标识
  85. 				if (hashi == _pht->_tables.size())
  86. 				{
  87. 					_node = nullptr;
  88. 				}
  89. 			}
  90.  
  91. 			return *this;
  92. 		}
  93.  
  94. 		T& operator*()
  95. 		{
  96. 			return _node->_data;
  97. 		}
  98.  
  99. 		T* operator->()
  100. 		{
  101. 			return &_node->_data;
  102. 		}
  103.  
  104. 		bool operator!=(const Self& s) const
  105. 		{
  106. 			return _node != s._node;
  107. 		}
  108.  
  109. 		bool operator==(const Self& s) const
  110. 		{
  111. 			return _node == s._node;
  112. 		}
  113. 	};
  114.  
  115. 	// unordered_map ->HashTable<K, pair<K, V>, MapKeyOfT> _ht;
  116. 	// unordered_set ->HashTable<K, K, SetKeyOfT> _ht;
  117. 	template <class K, class T, class KeyOfT, class HashFunc>
  118. 	class HashTable
  119. 	{
  120. 		template <class K, class T, class KeyOfT, class HashFunc>
  121. 		friend class __HTIterator;
  122.  
  123. 		typedef HashNode<T> Node;
  124. 	public:
  125. 		typedef __HTIterator<K, T, KeyOfT, HashFunc> iterator;
  126.  
  127. 		iterator begin()
  128. 		{
  129. 			for (size_t i = 0; i < _tables.size(); ++i)
  130. 			{
  131. 				Node* cur = _tables[i];
  132. 				if (cur)
  133. 				{
  134. 					return iterator(cur, this);
  135. 				}
  136. 			}
  137.  
  138. 			return end();
  139. 		}
  140.  
  141. 		iterator end()
  142. 		{
  143. 			return iterator(nullptr, this);
  144. 		}
  145.  
  146. 		~HashTable()
  147. 		{
  148. 			for (size_t i = 0; i < _tables.size(); ++i)
  149. 			{
  150. 				Node* cur = _tables[i];
  151. 				while (cur)
  152. 				{
  153.  
  154. 					Node* next = cur->_next;
  155. 					delete cur;
  156. 					cur = next;
  157. 				}
  158.  
  159. 				_tables[i] = nullptr;
  160. 			}
  161. 		}
  162.  
  163. 		size_t GetNextPrime(size_t prime)
  164. 		{
  165. 			const int PRIMECOUNT = 28;
  166. 			static const size_t primeList[PRIMECOUNT] =
  167. 			{
  168. 				53ul, 97ul, 193ul, 389ul, 769ul,
  169. 				1543ul, 3079ul, 6151ul, 12289ul, 24593ul,
  170. 				49157ul, 98317ul, 196613ul, 393241ul, 786433ul,
  171. 				1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,
  172. 				50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,
  173. 				1610612741ul, 3221225473ul, 4294967291ul
  174. 			};
  175.  
  176. 			// 获取比prime大那一个素数
  177. 			size_t i = 0;
  178. 			for (; i < PRIMECOUNT; ++i)
  179. 			{
  180. 				if (primeList[i] > prime)
  181. 					return primeList[i];
  182. 			}
  183.  
  184. 			return primeList[i];
  185. 		}
  186.  
  187. 		pair<iterator, bool> Insert(const T& data)
  188. 		{
  189. 			HashFunc hf;
  190. 			KeyOfT kot;
  191.  
  192. 			iterator pos = Find(kot(data));
  193. 			if (pos != end())
  194. 			{
  195. 				return make_pair(pos, false);
  196. 			}
  197.  
  198. 			// 负载因子 == 1 扩容
  199. 			if (_tables.size() == _n)
  200. 			{
  201. 				//size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
  202. 				size_t newSize = GetNextPrime(_tables.size());
  203. 				if (newSize != _tables.size())
  204. 				{
  205. 					vector<Node*> newTable;
  206. 					newTable.resize(newSize, nullptr);
  207. 					for (size_t i = 0; i < _tables.size(); ++i)
  208. 					{
  209. 						Node* cur = _tables[i];
  210. 						while (cur)
  211. 						{
  212. 							Node* next = cur->_next;
  213.  
  214. 							size_t hashi = hf(kot(cur->_data)) % newSize;
  215. 							cur->_next = newTable[hashi];
  216. 							newTable[hashi] = cur;
  217.  
  218. 							cur = next;
  219. 						}
  220.  
  221. 						_tables[i] = nullptr;
  222. 					}
  223.  
  224. 					newTable.swap(_tables);
  225. 				}
  226. 			}
  227.  
  228. 			size_t hashi = hf(kot(data));
  229. 			hashi %= _tables.size();
  230.  
  231. 			// 头插到对应的桶
  232. 			Node* newnode = new Node(data);
  233. 			newnode->_next = _tables[hashi];
  234. 			_tables[hashi] = newnode;
  235.  
  236. 			++_n;
  237.  
  238. 			return make_pair(iterator(newnode, this), true);
  239. 		}
  240.  
  241. 		iterator Find(const K& key)
  242. 		{
  243. 			if (_tables.size() == 0)
  244. 			{
  245. 				return iterator(nullptr, this);
  246. 			}
  247.  
  248. 			KeyOfT kot;
  249. 			HashFunc hf;
  250. 			size_t hashi = hf(key);
  251. 			hashi %= _tables.size();
  252. 			Node* cur = _tables[hashi];
  253. 			while (cur)
  254. 			{
  255. 				if (kot(cur->_data) == key)
  256. 				{
  257. 					return iterator(cur, this);
  258. 				}
  259.  
  260. 				cur = cur->_next;
  261. 			}
  262.  
  263. 			return iterator(nullptr, this);
  264. 		}
  265.  
  266. 		bool Erase(const K& key)
  267. 		{
  268. 			if (_tables.size() == 0)
  269. 			{
  270. 				return false;
  271. 			}
  272.  
  273. 			HashFunc hf;
  274. 			KeyOfT kot;
  275. 			size_t hashi = hf(key);
  276. 			hashi %= _tables.size();
  277. 			Node* prev = nullptr;
  278. 			Node* cur = _tables[hashi];
  279. 			while (cur)
  280. 			{
  281. 				if (kot(cur->_data) == key)
  282. 				{
  283. 					if (prev == nullptr)
  284. 					{
  285. 						_tables[hashi] = cur->_next;
  286. 					}
  287. 					else
  288. 					{
  289. 						prev->_next = cur->_next;
  290. 					}
  291.  
  292. 					delete cur;
  293.  
  294. 					return true;
  295. 				}
  296.  
  297. 				prev = cur;
  298. 				cur = cur->_next;
  299. 			}
  300.  
  301. 			return false;
  302. 		}
  303. 	private:
  304. 		vector<Node*> _tables; // 指针数组
  305. 		size_t _n = 0;
  306. 	};
  307. }

接下来封装unordered_set和unordered_map就比较简单了。 

2.unordered_set

        unordered_set是K模型的，因此这里仿函数HashFunc中返回的返回的key。

        其它接口都是去调用改造后的哈希表。

  1. #pragma once
  2.  
  3. #include "HashTable.h"
  4.  
  5. namespace hb
  6. {
  7. 	template <class K, class HashFunc = DefaultHash<K>>
  8. 	class unordered_set
  9. 	{
  10. 		struct SetKeyOfT
  11. 		{
  12. 			const K& operator()(const K& key)
  13. 			{
  14. 				return key;
  15. 			}
  16. 		};
  17. 	public:
  18. 		typedef typename Bucket::HashTable<K, K, SetKeyOfT, HashFunc>::iterator iterator;
  19. 		
  20. 		iterator begin()
  21. 		{
  22. 			return _ht.begin();
  23. 		}
  24.  
  25. 		iterator end()
  26. 		{
  27. 			return _ht.end();
  28. 		}
  29.  
  30. 		pair<iterator, bool> insert(const K& key)
  31. 		{
  32. 			return _ht.Insert(key);
  33. 		}
  34.  
  35. 		iterator find(const K& key)
  36. 		{
  37. 			return _ht.Find(key);
  38. 		}
  39.  
  40. 		bool erase(const K& key)
  41. 		{
  42. 			return _ht.Erase(key);
  43. 		}
  44. 	private:
  45. 		Bucket::HashTable<K, K, SetKeyOfT, HashFunc> _ht;
  46. 	};
  47. }

3.unordered_map

        unordered_map是K，V模型的，因此这里仿函数HashFunc中返回的返回的kv.first。

        其它接口都是去调用改造后的哈希表。这里就注意一下[]操作符的实现即可。

  1. #pragma once
  2.  
  3. #include "HashTable.h"
  4.  
  5. namespace hb
  6. {
  7. 	template<class K, class V, class HashFunc = DefaultHash<K>>
  8. 	class unordered_map
  9. 	{
  10. 		struct MapKeyOfT
  11. 		{
  12. 			const K& operator()(const pair<K, V>& kv)
  13. 			{
  14. 				return kv.first;
  15. 			}
  16. 		};
  17. 	public:
  18. 		typedef typename Bucket::HashTable<K, pair<K, V>, MapKeyOfT, HashFunc>::iterator iterator;
  19.  
  20. 		iterator begin()
  21. 		{
  22. 			return _ht.begin();
  23. 		}
  24.  
  25. 		iterator end()
  26. 		{
  27. 			return _ht.end();
  28. 		}
  29.  
  30. 		pair<iterator, bool> insert(const pair<K, V>& kv)
  31. 		{
  32. 			return _ht.Insert(kv);
  33. 		}
  34.  
  35. 		iterator find(const K& key)
  36. 		{
  37. 			return _ht.Find(key);
  38. 		}
  39.  
  40. 		bool erase(const K& key)
  41. 		{
  42. 			return _ht.Erase(key);
  43. 		}
  44.  
  45. 		V& operator[](const K& key)
  46. 		{
  47. 			pair<iterator, bool> ret = insert(make_pair(key, V()));
  48. 			return ret.first->second;
  49. 		}
  50. 	private:
  51. 		Bucket::HashTable<K, pair<K, V>, MapKeyOfT, HashFunc> _ht;
  52. 	};
  53. }
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/很楠不爱3/article/detail/639999
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号