luoguP3370字符串哈希

时间:2023-01-07 15:34:46

题目描述

如题,给定N个字符串(第i个字符串长度为Mi,字符串内包含数字、大小写字母,大小写敏感),请求出N个字符串*有多少个不同的字符串。

友情提醒:如果真的想好好练习哈希的话,请自觉,否则请右转PJ试炼场:)

输入输出格式

输入格式:

第一行包含一个整数N,为字符串的个数。

接下来N行每行包含一个字符串,为所提供的字符串。

输出格式:

输出包含一行,包含一个整数,为不同的字符串个数。

输入输出样例

输入样例#1: 复制
5
abc
aaaa
abc
abcc
12345
输出样例#1: 复制
4

说明

时空限制:1000ms,128M

数据规模:

对于30%的数据:N<=10,Mi≈6,Mmax<=15;

对于70%的数据:N<=1000,Mi≈100,Mmax<=150

对于100%的数据:N<=10000,Mi≈1000,Mmax<=1500

样例说明:

样例中第一个字符串(abc)和第三个字符串(abc)是一样的,所以所提供字符串的集合为{aaaa,abc,abcc,12345},故共计4个不同的字符串。

Tip:感兴趣的话,你们可以先看一看以下三题:

BZOJ3097:http://www.lydsy.com/JudgeOnline/problem.php?id=3097

BZOJ3098:http://www.lydsy.com/JudgeOnline/problem.php?id=3098

BZOJ3099:http://www.lydsy.com/JudgeOnline/problem.php?id=3099

如果你仔细研究过了(或者至少仔细看过AC人数的话),我想你一定会明白字符串哈希的正确姿势的^_^

分析
         哈希的过程,其实可以看作对一个串的单向加密过程,并且需要保证所加的密不能高概率重复(就像不能让隔壁老王轻易地用它家的钥匙打开你家门一样qwq),通过这种方式来替代一些很费时间的操作。
比如,最常见的,当然就是通过哈希数组来判断几个串是否相同。此处的操作呢,很简单,就是对于每个串,我们通过一个固定的转换方式,将相同的串使其的“密”一定相同,不同的串 尽量 不同。
此处有人指出:那难道不能先比对字符串长度,然后比对ASCLL码之和吗?事实上显然是不行的(比如ab和ba,并不是同一个串,但是如是做却会让其认为是QwQ)。这种情况就叫做hash 冲突,并且在如此的单向加密哈希中,hash 冲突的情况在所难免(bzoj就有这种让你给出一组样例,使得一段哈希代码冲突的题)。
而我们此处介绍的,即是最常见的一种哈希:进制哈希。进制哈希的核心便是给出一个固定进制base ,将一个串的每一个元素看做一个进制位上的数字,所以这个串就可以看做一个base 进制的数,那么这个数就是这个串的哈希值;则我们通过比对每个串的的哈希值,即可判断两个串是否相同 
#include<cstdio>
#include<cstring>
#include<algorithm>
#define ll long long 
using namespace std;
ll mod=52013145201314;
int base=131;
ll ans=1,n;
ll a[10005];
char s[10005];
ll hashe(){
    int len=strlen(s);
    ll res=0;
    for(int i=0;i<len;i++)
        res=(res*base+s[i])%mod;
    return res;
}
int main(){
    scanf("%d",&n);
    for(int i=1;i<=n;i++){
        scanf("%s",s);
        a[i]=hashe();
    }
    sort(a+1,a+n+1);
    for(int i=1;i<n;i++)
        if(a[i]!=a[i+1])ans++;
    printf("%lld",ans);
    return 0;
}


心得
哈希是一种简单的字符串的操作但是有风险(hash冲突)要谨慎使用(毕竟可用的既安全又有效的算法还是很少的)多重hash是耗时较多(多种不同的哈希暴力枚举重复运算很酸爽)和无错hash是有限的空间的大小(开桶有限制的内存)还是字典树和trie图(AC自动机QwQ)的利用有更大的使用空间。