良好的字符串散列函数

Question

我正在尝试为字符串想出一个好的散列函数。而且我认为总结字符串中前五个字符的 unicode 值可能是一个好主意（假设它有五个，否则在它结束的地方停止）。这是个好主意，还是坏主意？

我在 Java 中执行此操作，但我不认为这会产生很大的不同。

Answer 1

通常哈希不会求和，否则 stop 和 pots 将具有相同的哈希。

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。

通常散列取值并将其乘以素数（使其更有可能生成唯一散列）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);
}

Answer 2

如果您在 Java 中执行此操作，那么您为什么要这样做？只需在字符串上调用.hashCode()

Answer 3

// 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;
}

source Logic behind djb2 hash function - SO

Answer 4

您可能应该使用String.hashCode()。

如果你真的想自己实现hashCode：

不要试图排除 对象的重要部分来自 哈希码计算以改进 性能——Joshua Bloch，Effective Java

只使用前五个字符是一个坏主意。考虑分层名称，例如 URL：它们都将具有相同的哈希码（因为它们都以“http://”开头，这意味着它们存储在哈希映射中的同一个桶下，表现出糟糕的性能。

这是一个用来自“Effective Java”的字符串 hashCode 解释的战争故事：

实现的字符串哈希函数 在 1.2 之前的所有版本中检查 最多十六个字符，均匀 在整个字符串中间隔，开始 与第一个字符。对于大 分层名称的集合， 例如 URL，这个哈希函数 表现出可怕的行为。

Answer 5

如果是安全问题，您可以使用 Java 加密：

import java.security.MessageDigest;

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

Answer 6

如果您想查看行业标准实施，我会查看java.security.MessageDigest。

“消息摘要是一种安全的单向散列函数，它采用任意大小的数据并输出固定长度的散列值。”

Answer 7

据传FNV-1 是一个很好的字符串散列函数。

对于长字符串（例如，超过 200 个字符），您可以从 MD4 哈希函数中获得良好的性能。作为一个加密功能，它在大约 15 年前就被破解了，但对于非加密用途，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，例如通过将这些值组合成对。可以在sphlib 中找到 Java 中 MD4 的快速实现。在课堂作业的情况下可能有点矫枉过正，但在其他方面值得一试。

Answer 8

Nick 提供的这个函数很好，但是如果你使用 new String(byte[] bytes) 转换为 String 就失败了。你可以使用这个函数来做到这一点。

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());
}

这可能对某人有帮助

Answer 9

Guava's HashFunction (javadoc) 提供了不错的非加密强度哈希。

Answer 10

         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();
}

Answer 11

在尝试为字符串开发良好的 hast 函数时，使用奇数是一个好主意。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。并且碰撞较少。指数范围从 0 到 300 甚至可能更多，但到目前为止，即使使用像“机电工程”这样的长词，我也没有得到任何更高的值

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 parse 乘以索引，因为它像单词“bear”一样增加 (0*b) + (1*e) + (2*a) + (3*r) 这会给你一个 int 值来玩。上面的第一个哈希函数在“这里”和“听到”处发生碰撞，但仍然很擅长提供一些好的独特值。下面的不会与“here”和“hear”发生冲突，因为随着索引的增加，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;
}

Answer 12

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;
}

Answer 13

这是一个简单的散列函数，用于我构建的散列表。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”开头的单词将获得 0 的哈希键，“b”将获得 1，依此类推，“z”将为 25。数字和符号的哈希键为 26。这提供了一个优势;您可以轻松快速地计算给定单词在哈希表中的索引位置，因为它全部按字母顺序排列，如下所示： 代码可以在这里找到：https://github.com/abhijitcpatil/general

输入以下文本：有一天阿蒂克斯对杰姆说：“我宁愿你在后院朝锡罐开枪，但我知道你会去的 鸟之后。射击所有你想要的蓝鸟，如果你能击中它们，但是 记住杀死一只知更鸟是一种罪过。”那是我唯一一次 曾经听阿蒂克斯说做某事是一种罪过，我问小姐 莫迪关于它。 “你父亲是对的，”她说。 “知更鸟不 除了制作音乐让我们享受之外，只做一件事。他们不吃 人们的花园，不要在玉米床上筑巢，他们不做一件事 但为我们唱出他们的心声。这就是为什么杀死一个人是一种罪过 知更鸟。

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

Answer 14

这将避免任何碰撞，并且在我们使用计算转移之前它会很快。

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