你如何完美地散列一个可能的 unicode 字符与一个 32 位整数的联合？答案

【问题标题】：How do you perfectly hash a union of a possibly unicode char with a 32-bit integer?你如何完美地散列一个可能的 unicode 字符与一个 32 位整数的联合？
【发布时间】：2019-01-14 20:52:47
【问题描述】：

我以前从来没有真正需要创建散列函数，但现在它似乎是最好的解决方案。

我没有尝试过任何东西，但我想我首先要尝试的是散列将 unicode 整数作为 long 的最低有效 32 位。然后在最高有效的 32 位中，存储整数。

struct Symbol
{
private:
   enum Type {
      Terminal,
      Variable,
   }
   union {
      char m_term;
      int m_var;
   }
   Type m_type;

public:
   this(char term) {
      m_type = Type.Terminal;
      m_term = term;
   }

   this(int var) {
      m_type = Type.Variable;
      m_var = var;
   }
}

Symbol 是我想要散列的结构。它包含一个联合，我们应该散列来实现这一点。只是想知道我上面的方法是否正确。

【问题讨论】：

让我指出一个重要的事实：char 不是 unicode 字符，它是一个 UTF-8 代码单元。换句话说，可以形成一个字符的单个字节。你可能想使用dchar，它可以保存任何代码点（这是否是一个“字符”需要一篇关于 unicode 的文章来决定，但我猜它可能对你有用）。 dchar 是一个 32 位的值，这意味着它将与 int 的大小相同。
另一个事实：一个符号永远不会同时拥有m_term 和m_var；它有一个或另一个。所以从来没有两件事可以放入long。（嗯，有两件事：一个是enum，它实际上是一个位，另一个是（可能）很小的值，尽管它的精确类型取决于枚举。）
@rici 为什么不按我的方式做，因为这些位不会被使用？我的意思是我当然会把另一个归零。
因为它不会是一个好的哈希。可能的哈希值不是随机分布在值空间中的。
@rici 我总是想找一些好的散列；）

标签： algorithm hash union d

【解决方案1】：

感谢评论者。

   bool opEquals(Symbol sym) const {
      if (m_type == Type.Terminal) 
         return m_term == sym.m_term;
      else
         return m_var == sym.m_var;
   }

   ulong toHash() {
      ulong bit = m_type;
      ulong key;
      if (m_type == Type.Terminal) 
         key = cast(ulong) m_term;
      else
         key = m_var;
      return bit | (key << 1);
   }

【讨论】：

这样更好，但是您的opEquals 应该首先检查m_type == sym.m_type，否则返回false。否则，您最终会将苹果与器官（m_term 与 m_var）进行比较，这可能会意外产生误报。