首先,您需要了解哈希是如何计算的。
让我们举一个以 10 为底的字符串的简单案例。您如何保证字符串的哈希码是唯一的?Base 10 是我们用来表示数字的,而且我们没有冲突!!
“523” = 5*10^2 + 2*10^1 + 3*10^0 = 523
使用上面的哈希函数,您可以保证为每个字符串获得不同的哈希值。
给定“523”的哈希值,如果你想计算“238”的哈希值,即突出最左边的数字5并从右边引入一个新的数字8,你必须执行以下操作:
1)从哈希中去除5的影响:hash = hash - 5*10^2 (523-500 = 23)
2)通过移位1来调整剩余字符的哈希,哈希=哈希* 10
3) 添加新字符的哈希值:hash = hash + 8 (230 + 8 = 238,正如我们预期的那样,它是“238”的以 10 为底的哈希值)
现在让我们将其扩展到所有 ascii 字符。这将我们带到基地 256 世界。因此,相同字符串“523”的哈希现在是
= 5*256^2 + 2*256^1 + 3*256^0 = 327680 + 512 + 3 = 328195。
您可以想象随着字符串长度的增加,您将相对较快地超过大多数编程语言中整数/长整数的范围。
我们如何解决这个问题?通常解决这个问题的方法是使用一个大素数的模数。这种方法的缺点是我们现在也会得到误报,如果将算法的运行时间从二次变为线性,这是一个很小的代价!
您引用的复杂方程只不过是上面用模数数学完成的步骤 1-3。上面使用的两个模量属性是 ->
a) (a*b) % p = ((a % p) * (b % p)) % p
b) a % p = (a + p) % p
让我们回到上面提到的步骤 1-3 ->
1) (使用属性 a 扩展) hash = hash - ((5 % p)*(10^2 %p) %p)
与您引用的内容相比
txtHash = (txtHash + Q - RM*txt.charAt(iM) % Q) % Q;
以下是两者的关系!
- RM = 10^3 %
- txt.charAt(iM) % Q = 5 % p
- 您看到的附加 + Q 只是为了确保哈希不是负数。参见上面的属性 b。
2 & 3) hash = hash*10 + 8, vs txtHash = (txtHash*R + txt.charAt(i)) % Q; 是一样的,但是对最终的哈希结果取模!
更仔细地查看属性 a 和 b,应该可以帮助您弄清楚!