用于 Rabin-Karp 算法 Java 的滚动哈希算法

Question

我一直在尝试理解算法类的 Rabin-Karp 算法。我在理解它时遇到了很多麻烦，所以我尝试实现它（我实际上不必实现它）。我想我正确理解了除了滚动哈希函数之外的所有内容。我的算法目前仅在模式 char[] 与文本 char[] 的开头匹配时才有效。我无法弄清楚我的滚动哈希哪里出错了。如果有人能指出错误的方向，我将非常感激。

结果 文本“我的测试字符串” 模式“我的” - 这是匹配的返回 模式“测试” - 这表明不匹配

private static int int_mod(int a, int b)
{
    return (a%b +b)%b;
}

public static int rabin_Karp(char[] text, char[] pattern)
{
    int textSize = text.length;
    int patternSize = pattern.length;
    int base = 257;
    int primeMod = 1000000007;

    if(textSize < patternSize) 
    return -1;n
    int patternHash = 0;
    for(int i = 0; i < patternSize; i++) 
        patternHash += int_mod(patternHash * base + pattern[i], primeMod);//This is only done once so put method here           
        System.out.println("patternHash: " + patternHash);
    //calculate the value of the first hash
    int segmentHash = 0;
    for(int i = 0; i < patternSize; i++) //remove this, this will be duplicate
        segmentHash += int_mod(segmentHash * base + text[i], primeMod);
        System.out.println("segmentHash: " + segmentHash);

    Boolean firstMatch = false;
    if(segmentHash == patternHash) 
    {
        firstMatch = true;
        for(int i=0; i<pattern.length; i++)
        {
            if(pattern[i] != text[i])
            firstMatch = false;
        }
    }
    if (firstMatch == true)
    {
        return 0;
    }

    for(int i=1; i<textSize - patternSize; i++)
    {
        segmentHash += int_mod(segmentHash * base + text[i + pattern.length -1],primeMod);
        segmentHash -= int_mod(segmentHash * base + text[i-1], primeMod);
        System.out.println("segmentHash: " + segmentHash);

        if(segmentHash == patternHash) 
        {
            firstMatch = true;
            for(int j=0; j<pattern.length; j++)
            {
                if(pattern[j] != text[j])
                    firstMatch = false;
            }
        }
        if (firstMatch == true)
        {
            return i;
        }
    }

    return -1;
}

Answer 1

您的代码中有几个基本问​​题。

第一个在这里：patternHash += int_mod(patternHash * base + pattern[i], primeMod); 它在其他几个地方重复。

第二个是计算划船哈希：

    segmentHash += int_mod(segmentHash * base + text[i + pattern.length -1],primeMod);
    segmentHash -= int_mod(segmentHash * base + text[i-1], primeMod);

这两个错误都可以轻松修复。但是，我建议您更好地理解代码背后的逻辑，而不是仅仅从某个地方复制它。您使用的散列算法基于多项式，因此请尝试查看在该级别上发生了什么。甚至可以手动编写一些示例——它们在调试代码时会很有用。

还要注意整数溢出会出现问题：
- int 可以存储高达 ~20 亿的数字；
- 您的主要模块约为 10 亿，因此哈希值（特别是 patternHash 和 segmentHash）可以达到该数字；
- 你的基地是int base = 257;

因此，表达式segmentHash * base 可以达到~2570 亿，这肯定是整数溢出。