字符串的良好哈希函数

我试图为字符串想出一个很好的哈希函数。我当时想对字符串中的前五个字符的unicode值进行汇总（假设它有五个，否则就在结尾处停止）是一个好主意。这是一个好主意，还是一个坏主意？

我正在用Java进行此操作，但是我无法想象这会带来很大的不同。

通常哈希不会做算术，否则stop和pots将具有相同的哈希值。

并且您不会将其限制为前n个字符，因为否则house和house将具有相同的哈希值。

通常，哈希采用值并将其乘以质数（使其更有可能生成唯一的哈希），因此您可以执行以下操作：

int hash = 7;
for (int i = 0; i < strlen; i++) {
    hash = hash*31 + charAt(i);
}

如果这是安全的事情，则可以使用Java crypto：

import java.security.MessageDigest;

MessageDigest messageDigest = MessageDigest.getInstance("SHA-256");
messageDigest.update(stringToEncrypt.getBytes());
String encryptedString = new String(messageDigest.digest());

您可能应该使用String.hashCode（）。

如果您真的想自己实现hashCode：

不要试图从哈希码计算中排除对象的重要部分以提高性能-高效Java的Joshua Bloch

只使用前五个字符是个坏主意。考虑一下URL之类的层次结构名称：它们都具有相同的哈希码（因为它们都以“ http：//”开头，这意味着它们存储在哈希图中的同一存储桶下，表现出糟糕的性能。

这是一个有关“ 有效Java ”中的String hashCode的战争故事：

在1.2之前的所有发行版中实现的String哈希函数最多检查16个字符，从第一个字符开始，在整个字符串中均匀分布。对于大量的层次结构名称（例如URL），此哈希函数显示了可怕的行为。

如果您使用Java进行此操作，那么为什么要这样做呢？只需调用.hashCode()字符串

GuavaHashFunction（javadoc）提供了不错的非加密强哈希。

Nick提供的此功能很好，但是如果使用新的String（byte [] bytes）进行到String的转换，它将失败。您可以使用此功能执行此操作。

private static final char[] hex = { '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'a', 'b', 'c', 'd', 'e', 'f' };

public static String byteArray2Hex(byte[] bytes) {
    StringBuffer sb = new StringBuffer(bytes.length * 2);
    for(final byte b : bytes) {
        sb.append(hex[(b & 0xF0) >> 4]);
        sb.append(hex[b & 0x0F]);
    }
    return sb.toString();
}

public static String getStringFromSHA256(String stringToEncrypt) throws NoSuchAlgorithmException {
    MessageDigest messageDigest = MessageDigest.getInstance("SHA-256");
    messageDigest.update(stringToEncrypt.getBytes());
    return byteArray2Hex(messageDigest.digest());
}

也许这可以帮助某人

// djb2 hash function
unsigned long hash(unsigned char *str)
{
    unsigned long hash = 5381;
    int c;

    while (c = *str++)
        hash = ((hash << 5) + hash) + c; /* hash * 33 + c */

    return hash;
}

djb2哈希函数背后的源逻辑-SO

有传言说FNV-1是一个很好的字符串散列函数。

对于长字符串（长于大约200个字符），可以通过MD4哈希函数获得良好的性能。作为一种加密功能，它大约在15年前就被打破了，但是出于非加密目的，它仍然非常好，而且速度惊人。在Java的上下文中，您必须将16位char值转换为32位字，例如，通过将这些值成对分组。可以在sphlib中找到Java中MD4的快速实现。在课堂分配的情况下，可能会造成过大的杀伤力，但值得一试。

如果您想查看行业标准实现，请查看java.security.MessageDigest。

“消息摘要是安全的单向哈希函数，可接收任意大小的数据并输出固定长度的哈希值。”

这是一个解释许多不同哈希函数的链接，目前，我更喜欢ELF哈希函数来解决您的特定问题。它以任意长度的字符串作为输入。

sdbm：此算法是为sdbm（ndbm的公共域重新实现）数据库库创建的

static unsigned long sdbm(unsigned char *str)
{   
    unsigned long hash = 0;
    int c;
    while (c = *str++)
            hash = c + (hash << 6) + (hash << 16) - hash;

    return hash;
}

         public String hashString(String s) throws NoSuchAlgorithmException {
    byte[] hash = null;
    try {
        MessageDigest md = MessageDigest.getInstance("SHA-256");
        hash = md.digest(s.getBytes());

    } catch (NoSuchAlgorithmException e) { e.printStackTrace(); }
    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < hash.length; ++i) {
        String hex = Integer.toHexString(hash[i]);
        if (hex.length() == 1) {
            sb.append(0);
            sb.append(hex.charAt(hex.length() - 1));
        } else {
            sb.append(hex.substring(hex.length() - 2));
        }
    }
    return sb.toString();
}

在尝试为字符串开发良好的hast函数时，最好使用奇数。这个函数接受一个字符串并返回一个索引值，到目前为止，它的工作还不错。并且碰撞更少 索引范围从0-300甚至可能更多，但是到目前为止，即使是像“机电工程”这样的长字，我也没有得到更高的体现

int keyHash(string key)
{
    unsigned int k = (int)key.length();
    unsigned int u = 0,n = 0;

    for (Uint i=0; i<k; i++)
    {
        n = (int)key[i];
        u += 7*n%31;
    }
    return u%139;
}

您可以做的另一件事是，将每个字符int解析结果乘以索引，例如“ bear”（0 * b）+（1 * e）+（2 * a）+（3 * r）一词，这将为您提供索引要使用的int值。上面的第一个哈希函数在“ here”和“ hear”处发生碰撞，但是在提供一些良好的唯一值方面仍然很棒。下面的一个不会与“ here”和“ hear”发生冲突，因为随着字符的增加，我会将每个字符与索引相乘。

int keyHash(string key)
{
    unsigned int k = (int)key.length();
    unsigned int u = 0,n = 0;

    for (Uint i=0; i<k; i++)
    {
        n = (int)key[i];
        u += i*n%31;
    }
    return u%139;
}

这是我用于构建的哈希表的简单哈希函数。它基本上用于获取文本文件，并将每个单词存储在代表字母顺序的索引中。

int generatehashkey(const char *name)
{
        int x = tolower(name[0])- 97;
        if (x < 0 || x > 25)
           x = 26;
        return x;
}

这基本上是根据单词的第一个字母对单词进行哈希处理。因此，以'a'开头的单词的哈希键为0，'b'的值为1，依此类推，'z'的值为25。数字和符号的哈希键为26。这是一个优点; 您可以轻松，快速地计算出给定单词在哈希表中的索引位置，因为所有单词都按字母顺序排列，如下所示：代码可以在这里找到：https：//github.com/abhijitcpatil/general

提供以下文本作为输入：阿提克斯有一天对杰姆说： “我希望您在后院的锡罐上开枪，但我知道您会追赶鸟类。射杀所有想要的蓝鸟，如果可以击中它们，但要记住杀死一只知更鸟是一种罪过。” 那是我唯一一次听到Atticus说做某事是一种罪过，我问Maudie小姐。她说：“你父亲的权利。” “模仿鸟除了做音乐让我们欣赏之外，没有做任何事情。他们不吃人的花园，不筑巢于玉米婴儿床，他们不做任何事情，而是为我们献出自己的心。这就是为什么杀死一只模仿鸟是一种罪过。

这将是输出：

0 --> a a about asked and a Atticus a a all after at Atticus
1 --> but but blue birds. but backyard
2 --> cribs corn can cans
3 --> do don’t don’t don’t do don’t do day
4 --> eat enjoy. except ever
5 --> for for father’s
6 --> gardens go
7 --> hearts heard hit
8 --> it’s in it. I it I it’s if I in
9 --> jays Jem
10 --> kill kill know
11 --> 
12 --> mockingbird. music make Maudie Miss mockingbird.”
13 --> nest
14 --> out one one only one
15 --> people’s
16 --> 17 --> right remember rather
18 --> sin sing said. she something sin say sin Shoot shot said
19 --> to That’s their thing they They to thing to time the That to the the tin to
20 --> us. up us
21 --> 
22 --> why was was want
23 --> 
24 --> you you you’ll you
25 --> 
26 --> “Mockingbirds ” “Your ‘em “I’d

这样可以避免任何冲突，而且在我们在计算中使用移位之前将非常快。

 int k = key.length();
    int sum = 0;
    for(int i = 0 ; i < k-1 ; i++){
        sum += key.charAt(i)<<(5*i);
    }