网站建设都需要什么文案校园推广的方式有哪些
⭐上篇文章：37.C++哈希2（哈希表底层分析与模拟实现-闭散列key模型与key-value模型）-CSDN博客
⭐本篇代码：c++学习/20.哈希与哈希表 · 橘子真甜/c++-learning-of-yzc - 码云 - 开源中国 (gitee.com)
⭐标⭐是比较重要的部分
目录
一. 拉链法与哈希桶
二. 开散列哈希表代码实现
2.1 哈希节点
2.2 哈希表框架
2.3 Insert
2.4 Print
2.5 测试1
2.6 Find
2.7 Erase
三. 完整测试
3.1 key模型
编辑 3.2 key-value模型
一. 拉链法与哈希桶
哈希映射是有冲突的，闭散列通过探测的方式，如果发现自己映射的位置被抢占了，就去抢占其他空闲的位置，这会让哈希冲突变多，从而导致效率降低。
而拉链法和哈希桶解决哈希冲突的方式是：将映射相同位置的所有节点以链表的方式连在一起，这样一来就不会去抢占其他人的位置！
将具有相同地址映射的的节点归于一个子集，每一个子集称为一个哈希桶。桶中的元素通过链表或者其他方式连接起来，链表的头节点放在哈希表中。
如下图，将相同冲突的元素通过链表进行连接。
二. 开散列哈希表代码实现
2.1 哈希节点
与闭散列不同，开散列的哈希节点不需要存放该节点的状态，而是需要存放一个next指针。只用指向下一个节点（如果使用红黑树等结构需要更多的指针）。
节点代码如下：
template <class T>
struct HashData
{T _data;HashData<T> *_next;// 构造函数HashData(const T &data = T()): _data(data), _next(nullptr) {}
};
2.2 哈希表框架
与闭散列一样，需要插入函数，删除函数，查找函数，遍历，以及获取当前数据的key值
成员变量为：_num表示有效数据，_table表示哈希表，这里使用vector作为哈希桶，内部的数据类型的HashData*
代码如下：
// 使用KeyOfT来获取pair的key值
// unordered_set -> <Key,Key>
// unordered_map -> <Key,Value>
template <class K>
struct SetKeyOfT
{const K &operator()(const K &key){return key;}
};template <class K, class T>
struct MapKeyOfT
{const K &operator()(const pair<K, T> &kv){return kv.first;}
};//哈希表，默认为set（key模型）
template <class K, class T, class KeyOfT = SetKeyOfT<int>>
class OpenHashTable
{typedef ::HashData<T> HashData;public:bool Insert(const T &data) {}HashData *Find(const K &key) {}bool Erase(const K &key) {}void Print() {}private:vector<HashData *> _table;size_t _num = 0;
};2.3 Insert⭐
与闭散列一样，开散列也有一个负载因子，只要哈希表中的有效数据与哈希表的长度一样多时候。表明这个哈希表中的数据冲突已经达到了理想状态，此时就需要"扩容"。
理想状态：每一个哈希桶桶只有一个数据，效率达到最高为O(1)。
最糟状态：所有的有效数据都集中在一个哈希桶中，效率退化到O(N)。
如何扩容，需要注意什么？扩容的时候需要遍历旧表，将旧表中的所有数据重新映射到新表中。由于取模的数字变大，每一次扩容都会降低哈希冲突！
由于每一个哈希桶中都是链表，插入数据的时候采用头插法更简单！
代码如下：
bool Insert(const T &data){KeyOfT koft{};// 1. 判断是否需要扩容if (_table.size() == 0 || _num * 100 / _table.size() > 75){// 开辟新表，减少哈希冲突size_t newsize = (_table.size() == 0) ? 10 : _table.size() * 2;vector<HashData *> newtable;newtable.resize(newsize);// 遍历旧表，重新哈希映射到新表for (int i = 0; i < _table.size(); ++i){// 判断每一个哈希桶，通过头插法插入到新表中HashData *cur = _table[i];while (cur != nullptr){HashData *next = cur->_next;int index = koft(cur->_data) % newsize;cur->_next = newtable[index];newtable[index] = cur;cur = next;}_table[i] = nullptr;}_table.swap(newtable); // 使用交换快速替换两张表，旧表直接不要了}// 2. 插入新的数据// 首先需要判断表中有无该数据int index = koft(data) % _table.size();HashData *cur = _table[index];while (cur != nullptr){// 只需要判断key值即可，因为key-value。不同的key可能存在value相同的情况if (koft(cur->_data) == koft(data))return false;cur = cur->_next;}HashData *newnode = new HashData(data);newnode->_next = _table[index];_table[index] = newnode;++_num; // 别忘了增加有效数据return true;}
2.4 Print
既然插入的代码写完了，这时候需要遍历来测试代码是否正确。遍历比较简单，只需要循环遍历哈希表，表头不为空遍历这个链表即可。
代码如下：这里只打印了data的key值
void Print(){KeyOfT koft{};for (int i = 0; i < _table.size(); ++i){HashData *cur = _table[i];std::cout << i << ": ";while (cur != nullptr){std::cout << koft(cur->_data) << " -> ";cur = cur->_next;}std::cout << "nullptr" << std::endl;}}
2.5 测试1
随机插入20个数据，打印哈希表中的内容。查看有无bug
测试代码如下：
#include <iostream>
#include "HashTable.h"
using namespace std;void testset()
{OpenHashTable<int, int> ht;for (int i = 0; i < 20; i++){ht.Insert(rand() % 100);}ht.Print();
}int main()
{srand(time(0) ^ rand());testset();return 0;
}测试结果如下：
可以看到，结果是正确的！
2.6 Find
这个函数是用于查找某一个节点是否在哈希表中，不能去遍历查找，这样的效率是O(N)。而应该先求出该数据在哈希表中的映射位置，在这个哈希桶中查找。间效率提升至O(1)。
HashData *Find(const K &key){if (_table.empty())return nullptr;KeyOfT koft;size_t index = key % _table.size();HashData *cur = _table[index];while (cur != nullptr){if (koft(cur->_data) == key)return cur;cur = cur->_next;}return nullptr;}2.7 Erase⭐
不可以通过Find查找然后去删除，因为桶中是链表，删除某一个节点之后。需要将该节点的前后节点连接起来！
链表删除头节点，只需要将头节点的next节点赋值给头节点即可
bool Erase(const K &key){if (_table.empty())return false;KeyOfT koft;int index = key % _table.size();HashData *prev = nullptr;HashData *cur = _table[index];while (cur != nullptr){if (koft(cur->_data) == key){// 头节点就是删除的节点，需要将头节点置为nextif (prev != nullptr)prev->_next = cur->_next;else_table[index] = cur->_next;delete cur;return true;}prev = cur;cur = cur->_next;}return false;}三. 完整测试
3.1 key模型
#include <iostream>
#include "HashTable.h"
using namespace std;void testset()
{OpenHashTable<int, int> ht;for (int i = 0; i < 15; i++){ht.Insert(rand() % 100);}ht.Print();while (true){cout << "删除数据输入1, 查找数据输入2, 退出输入0:";int n = 0;cin >> n;if (n == 0)break;else if (n == 1){cout << "请输入删除的数字:";int num;cin >> num;bool flag = ht.Erase(num);if (flag){cout << "删除成功,哈希表如下" << endl;ht.Print();}elsecout << "没有这个数据，删除失败！" << endl;}else if (n == 2){cout << "请输入查找的数字:";int num;cin >> num;HashData<int> *data = ht.Find(num);if (data == nullptr)cout << "这个数据不存在" << endl;elsecout << "这个数据存在" << data->_data << endl;}else{cout << "非法输入" << std::endl;continue;}}
}int main()
{srand(time(0) ^ rand());testset();return 0;
}测试结果如下：
3.2 key-value模型
key-value模型需要修改print，让其打印kv键值对
void PrintMap(){KeyOfT koft{};for (int i = 0; i < _table.size(); ++i){HashData *cur = _table[i];std::cout << i << ": ";while (cur != nullptr){std::cout << cur->_data.first << ":" << cur->_data.second << " -> ";cur = cur->_next;}std::cout << "nullptr" << std::endl;}}#include <iostream>
#include "HashTable.h"
using namespace std;void testset()
{OpenHashTable<int, pair<int, char>, MapKeyOfT<int, char>> ht;for (int i = 0; i < 15; i++){int t = rand() % 26;ht.Insert(make_pair(i, (char)(i + 'a')));}ht.PrintMap();while (true){cout << "删除数据输入1, 查找数据输入2, 退出输入0:";int n = 0;cin >> n;if (n == 0)break;else if (n == 1){cout << "请输入删除的数字:";int num;cin >> num;bool flag = ht.Erase(num);if (flag){cout << "删除成功,哈希表如下" << endl;ht.PrintMap();}elsecout << "没有这个数据，删除失败！" << endl;}else if (n == 2){cout << "请输入查找的数字:";int num;cin >> num;HashData<pair<int, char>> *data = ht.Find(num);if (data == nullptr)cout << "这个数据不存在" << endl;elsecout << "这个数据存在" << data->_data.first << ":" << data->_data.second << endl;}else{cout << "非法输入" << std::endl;continue;}}
}int main()
{srand(time(0) ^ rand());testset();return 0;
}测试结果如下：
以上已经基本完成了哈希表的简单实现，还需要改进哈希函数（字符串映射），迭代器实现，封装为unordered_set 与 unordered_map