Chức năng Hash tốt cho chuỗi

Tôi đang cố gắng nghĩ ra một hàm băm tốt cho chuỗi. Và tôi đã nghĩ rằng có thể là một ý tưởng tốt để tổng hợp các giá trị unicode cho năm ký tự đầu tiên trong chuỗi (giả sử nó có năm, nếu không thì dừng ở nơi nó kết thúc). Đó sẽ là một ý tưởng tốt, hay nó là một ý tưởng tồi?

Tôi đang làm điều này trong Java, nhưng tôi sẽ không tưởng tượng rằng điều đó sẽ tạo ra nhiều sự khác biệt.

Thông thường băm sẽ không tính tổng, nếu không stopvà potssẽ có cùng hàm băm.

và bạn sẽ không giới hạn nó ở n ký tự đầu tiên vì nếu không nhà và nhà sẽ có cùng hàm băm.

Nói chung, các hàm băm lấy các giá trị và nhân nó với một số nguyên tố (làm cho nó có nhiều khả năng tạo ra các giá trị băm duy nhất) Vì vậy, bạn có thể làm một cái gì đó như:

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

Nếu đó là một điều bảo mật, bạn có thể sử dụng tiền điện tử Java:

import java.security.MessageDigest;

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

Bạn có thể nên sử dụng String.hashCode () .

Nếu bạn thực sự muốn tự thực hiện hashCode:

Không nên loại trừ các phần quan trọng của một đối tượng khỏi tính toán mã băm để cải thiện hiệu suất - Joshua Bloch, Java hiệu quả

Chỉ sử dụng năm ký tự đầu tiên là một ý tưởng tồi . Hãy suy nghĩ về các tên phân cấp, chẳng hạn như URL: tất cả chúng sẽ có cùng mã băm (vì tất cả đều bắt đầu bằng "http: //", có nghĩa là chúng được lưu trữ trong cùng một nhóm trong bản đồ băm, thể hiện hiệu suất khủng khiếp.

Đây là một câu chuyện chiến tranh được diễn giải trên chuỗi hashode từ " Java hiệu quả ":

Hàm băm Chuỗi được triển khai trong tất cả các bản phát hành trước 1,2 được kiểm tra tối đa mười sáu ký tự, cách đều nhau trong chuỗi, bắt đầu bằng ký tự đầu tiên. Đối với các bộ sưu tập lớn các tên phân cấp, chẳng hạn như URL, hàm băm này hiển thị hành vi khủng khiếp.

Nếu bạn đang làm điều này trong Java thì tại sao bạn lại làm điều đó? Chỉ cần gọi .hashCode()vào chuỗi

Guava'sHashFunction ( javadoc ) cung cấp khả năng băm không mã hóa mạnh.

Hàm này do Nick cung cấp là tốt nhưng nếu bạn sử dụng Chuỗi mới (byte [] byte) để thực hiện chuyển đổi thành Chuỗi, thì không thành công. Bạn có thể sử dụng chức năng này để làm điều đó.

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());
}

Điều này có thể giúp ai đó

// 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;
}

nguồn logic đằng sau hàm băm djb2 - SO

FNV-1 được đồn đại là một hàm băm tốt cho chuỗi.

Đối với các chuỗi dài (dài hơn khoảng 200 ký tự), bạn có thể có hiệu suất tốt từ hàm băm MD4 . Là một chức năng mã hóa, nó đã bị phá vỡ khoảng 15 năm trước, nhưng với mục đích phi mật mã, nó vẫn rất tốt và nhanh đến mức đáng ngạc nhiên. Trong ngữ cảnh của Java, bạn sẽ phải chuyển đổi 16 bitchar giá trị thành các từ 32 bit, ví dụ: bằng cách nhóm các giá trị đó thành các cặp. Một triển khai nhanh MD4 trong Java có thể được tìm thấy trong sphlib . Có lẽ quá mức cần thiết trong bối cảnh của một bài tập trong lớp, nhưng nếu không thì đáng để thử.

Nếu bạn muốn xem các triển khai tiêu chuẩn công nghiệp, tôi sẽ xem java.security.MessageDigest .

"Thông báo tiêu hóa là các hàm băm một chiều an toàn, lấy dữ liệu có kích thước tùy ý và đưa ra giá trị băm có độ dài cố định."

đây là một liên kết giải thích nhiều hàm băm khác nhau, hiện tại tôi thích hàm băm ELF cho vấn đề cụ thể của bạn. Nó nhận như là một chuỗi có độ dài tùy ý.

sdbm: thuật toán này đã được tạo cho thư viện cơ sở dữ liệu sdbm (một sự tái hiện miền công cộng của ndbm)

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();
}

Đó là một ý tưởng tốt để làm việc với số lẻ khi cố gắng phát triển một hàm hast tốt cho chuỗi. Hàm này lấy một chuỗi và trả về một giá trị chỉ mục, cho đến nay nó hoạt động khá tốt. và ít va chạm. chỉ số dao động từ 0 - 300 thậm chí có thể nhiều hơn thế, nhưng tôi đã không tăng cao hơn cho đến nay ngay cả với các từ dài như "kỹ thuật cơ điện"

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;
}

một điều khác bạn có thể làm là nhân mỗi ký tự int parse với chỉ số khi nó tăng như từ "gấu" (0 * b) + (1 * e) + (2 * a) + (3 * r) sẽ cung cấp cho bạn một giá trị int để chơi với. hàm băm đầu tiên ở trên va chạm tại "đây" và "nghe" nhưng vẫn tuyệt vời khi đưa ra một số giá trị độc đáo tốt. cái bên dưới không va chạm với "ở đây" và "nghe" vì tôi nhân mỗi nhân vật với chỉ số khi nó tăng lên.

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;
}

Đây là một hàm băm đơn giản mà tôi sử dụng cho bảng băm tôi đã xây dựng. Về cơ bản, nó để lấy một tệp văn bản và lưu trữ mọi từ trong một chỉ mục đại diện cho thứ tự chữ cái.

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

Điều này về cơ bản là các từ được băm theo chữ cái đầu tiên của chúng. Vì vậy, từ bắt đầu bằng 'a' sẽ có khóa băm là 0, 'b' sẽ nhận được 1 và cứ thế và 'z' sẽ là 25. Số và ký hiệu sẽ có khóa băm là 26. Đây là một lợi thế mà điều này mang lại ; Bạn có thể tính toán dễ dàng và nhanh chóng nơi một từ nhất định sẽ được lập chỉ mục trong bảng băm vì tất cả theo thứ tự bảng chữ cái, đại loại như thế này: Mã có thể được tìm thấy ở đây: https://github.com/abhijitcpatil/general

Đưa ra văn bản sau đây làm đầu vào: Một ngày nọ, Atticus nói với Jem, tôi muốn nói rằng bạn bắn vào lon thiếc ở sân sau, nhưng tôi biết bạn sẽ đuổi theo những con chim. Bắn tất cả các tia màu xanh mà bạn muốn, nếu bạn có thể bắn chúng, nhưng hãy nhớ rằng việc giết một con chim nhại là tội lỗi. Đó là lần duy nhất tôi từng nghe Atticus nói rằng thật tội lỗi khi làm điều gì đó, và tôi đã hỏi cô Maudie về điều đó. Cha nói đúng, cha cô nói. Mockingbird không làm một việc gì ngoài việc tạo ra âm nhạc cho chúng ta thưởng thức. Họ không ăn hết vườn của mọi người, không làm tổ trong những chiếc cũi ngô, họ không làm một việc gì ngoài việc hát lên tiếng lòng của chúng tôi dành cho chúng tôi. Đó là lý do tại sao giết một con chim nhại.

Đây sẽ là đầu ra:

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

Điều này sẽ tránh mọi va chạm và nó sẽ nhanh cho đến khi chúng ta sử dụng sự dịch chuyển trong tính toán.

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