九 28
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。
在信息修竞赛中，要本着易于编码调试的原则，个人认为BKDRHash是最适合记忆和使用的。
BYVoid原创，欢迎建议、交流、批评和指正。
附：各种哈希函数的C语言程序代码
?[Copy to clipboard]Download Hash.c
unsigned int SDBMHash(char *str) { unsigned int hash = 0; while (*str) { // equivalent to: hash = 65599*hash + (*str++); hash = (*str++) + (hash << 6) + (hash << 16) - hash; } return (hash & 0x7FFFFFFF); } // RS Hash Function unsigned int RSHash(char *str) { unsigned int b = 378551; unsigned int a = 63689; unsigned int hash = 0; while (*str) { hash = hash * a + (*str++); a *= b; } return (hash & 0x7FFFFFFF); } // JS Hash Function unsigned int JSHash(char *str) { unsigned int hash = 1315423911; while (*str) { hash ^= ((hash << 5) + (*str++) + (hash >> 2)); } return (hash & 0x7FFFFFFF); } // P. J. Weinberger Hash Function unsigned int PJWHash(char *str) { unsigned int BitsInUnignedInt = (unsigned int)(sizeof(unsigned int) * 8); unsigned int ThreeQuarters = (unsigned int)((BitsInUnignedInt * 3) / 4); unsigned int OneEighth = (unsigned int)(BitsInUnignedInt / 8); unsigned int HighBits = (unsigned int)(0xFFFFFFFF) << (BitsInUnignedInt - OneEighth); unsigned int hash = 0; unsigned int test = 0; while (*str) { hash = (hash << OneEighth) + (*str++); if ((test = hash & HighBits) != 0) { hash = ((hash ^ (test >> ThreeQuarters)) & (~HighBits)); } } return (hash & 0x7FFFFFFF); } // ELF Hash Function unsigned int ELFHash(char *str) { unsigned int hash = 0; unsigned int x = 0; while (*str) { hash = (hash << 4) + (*str++); if ((x = hash & 0xF0000000L) != 0) { hash ^= (x >> 24); hash &= ~x; } } return (hash & 0x7FFFFFFF); } // BKDR Hash Function unsigned int BKDRHash(char *str) { unsigned int seed = 131; // 31 131 1313 13131 131313 etc.. unsigned int hash = 0; while (*str) { hash = hash * seed + (*str++); } return (hash & 0x7FFFFFFF); } // DJB Hash Function unsigned int DJBHash(char *str) { unsigned int hash = 5381; while (*str) { hash += (hash << 5) + (*str++); } return (hash & 0x7FFFFFFF); } // AP Hash Function unsigned int APHash(char *str) { unsigned int hash = 0; int i; for (i=0; *str; i++) { if ((i & 1) == 0) { hash ^= ((hash << 7) ^ (*str++) ^ (hash >> 3)); } else { hash ^= (~((hash << 11) ^ (*str++) ^ (hash >> 5))); } } return (hash & 0x7FFFFFFF); } |
比较强啊这个….
[回复]
程序不是我写的
[回复]
很强.谢谢.这个对比正是我需要的.
[回复]
PHP内核里面的hash函数用的就是DJBHash，但是对其中的初始值为何是5381不甚了解，可以解释一下吗？
thx～
我的Email：cyy0523xc@gmail.com
[回复]
BYVoid 回复:
八月 6th, 2009 at 13:18:37
散列初值一般来说是个任意值，没有很大意义吧。可能是从5381产生的冲突较少。
[回复]
小蔡 回复:
八月 6th, 2009 at 14:01:37
呵呵，也许真是某人实验得来的。。。
[回复]
问下大牛，字符串hash要开多大的数组，如果用BKDRHash的话……
感激不尽！！
[回复]
BYVoid 回复:
九月 21st, 2009 at 17:41:30
视情况而定了
[回复]
sixhomeland 回复:
九月 24th, 2009 at 12:55:31
能讲得具体些吗？
[回复]
sky 回复:
二月 27th, 2010 at 19:51:12
我也想问这个问题，比如一个长度<=255的字符串，只包含0-9，a-z，A-Z，+，-，*，/这些字符，seed=131的话应该开多大的数组存储呢？
[回复]
BYVoid 回复:
二月 27th, 2010 at 19:56:06
要看你做什麽，用不用處理衝突。而且要注意的一點是即使你開得再打，也有可能衝突，需要用鏈錶或其他數據結構輔助處理。
[回复]
sky 回复:
二月 27th, 2010 at 20:00:19
我处理冲突开个链表拉长，如果这样的话，我想问数组得开多大呢？因为and了2^31-1，所以数组上界不大确定，我就想问这个上界是什么。
[回复]
BYVoid 回复:
二月 27th, 2010 at 20:02:36
Hash值還要模一個大質數的，數組大小就是這個質數的大小。具體事規模而定。
[回复]
sky 回复:
二月 27th, 2010 at 20:06:27
厄，明白了，谢谢！顺便附上Pascal版的BKDRhash
function BKDRHash(s1:string):dword; //qword used;
var
i:integer;
hash:qword;
begin
hash:=0;
for i:=1 to length(s1) do
hash:=(hash*seed+ord(s1[i])) and $FFFFFFFF;
exit((hash and $7FFFFFFF) mod p);
end;
是这个意思吗？我想应该是……
[回复]
为什么要&0x7FFFFFFF，只是为了得到int吗？
[回复]
兄台，那个DJBHash应该是
Hash = ( Hash << 5 + Hash ) + *str++
这样，因为实际上Hash过程就是将原Hash值乘以33的过程
[回复]