C++哈希
作者主页：慢热的陕西人
专栏链接：C++
欢迎各位大佬点赞关注收藏，留言
本博客主要内容讲解C++11哈希方面相关的知识
文章目录
- C++Hash
-
- Ⅰ.unordered系列关联式容器
-
- Ⅰ.Ⅰunordered_map
-
- Ⅰ.Ⅰ.Ⅰunordered_map的文档介绍
- Ⅰ. Ⅰ. Ⅱ unordered_map的接口介绍
- Ⅰ. Ⅱ unordered_set
- Ⅰ. Ⅲ 一些相关的OJ题
- Ⅱ.底层结构
-
- Ⅱ. Ⅰ哈希概念
- Ⅱ. Ⅱ哈希冲突
- Ⅱ. Ⅲ哈希函数
- Ⅱ. Ⅳ 哈希冲突解决
- Ⅱ. Ⅳ. Ⅰ闭散列
- Ⅱ. Ⅳ. Ⅱ开散列
- Ⅲ. unordered_map和unordered_set的模拟实现
-
- Ⅲ.ⅠHashBucket的改造
- Ⅲ. Ⅱ unordered_map
- Ⅲ.Ⅲunordered_set
C++Hash
Ⅰ.unordered系列关联式容器
在C++98中，STL提供了底层为红黑树结构的一系列关联式容器，在查询时效率可达到 l o g 2 N log_2 N log2N，即最差情况下需要比较红黑树的高度次，当树中的节点非常多时，查询效率也不理想。最好 的查询是，进行很少的比较次数就能够将元素找到，因此在C++11中，STL又提供了4个 unordered系列的关联式容器，这四个容器与红黑树结构的关联式容器使用方式基本类似，只是其底层结构不同，本文中只对unordered_map和unordered_set进行介绍， unordered_multimap和unordered_multiset可查看文档介绍。
因为unordered_map和unordered_set的底层实现采用的时hash_table的方式去实现的，所以他们的查找效率都非常的高(其他的方面效率提升不明显)
Ⅰ.Ⅰunordered_map
Ⅰ.Ⅰ.Ⅰunordered_map的文档介绍
unordered_map在线文档说明
①unordered_map是存储键值对的关联式容器，其允许通过keys快速的索引到与 其对应的value。
②在unordered_map中，键值通常用于唯一地标识元素，而映射值是一个对象，其内容与此键关联。键和映射值的类型可能不同。
③在内部,unordered_map没有对按照任何特定的顺序排序, 为了能在常数范围内 找到key所对应的value，unordered_map将相同哈希值的键值对放在相同的桶中。
④unordered_map容器通过key访问单个元素要比map快，但它通常在遍历元素子集的范围迭代方面效率较低。
⑤unordered_map实现了直接访问操作符(operator[])，它允许使用key作为参数直接访问 value。
⑥它的迭代器至少是前向迭代器。
Ⅰ. Ⅰ. Ⅱ unordered_map的接口介绍
①unordered_map的构造
函数声明 函数功能 unordered_map 构造不同格式的unordered_map对象 ②unordered_map的容量
函数声明 函数功能 unordered_map::empty 检测unordered_map是否为空 unordered_map::size 检测unordered_map中有效元素的个数 unordered_map::max_size 返回unordered_map容器可以容纳的最大元素数 ③unordered_map的迭代器
函数声明 函数功能 unordered_map::begin 返回unordered_map第一个元素的迭代器 unordered_map::end 返回unordered_map最后一个元素下一个位置的迭代器 unordered_map::cbegin 返回unordered_map第一个元素的const迭代器 unordered_map::cend 返回unordered_map最后一个元素下一个位置的const迭代器 ④unordered_map的元素访问
函数声明 函数功能 unordered_map::operator[] 返回与key对应的value，没有一个默认值 unordered_map::at 返回与key对应的value，没有一个默认值 注意：该函数(
[])中实际调用哈希桶的插入操作(map和set的底层实现也是如此)，用参数key与V()构造一个默认值往底层哈希桶中插入，如果key不在哈希桶中，插入成功，返回V()，插入失败，说明key已经在哈希桶中， 将key对应的value返回。⑤unordered_map的查询
函数声明 函数功能 unordered_map::find 返回key在哈希桶中的位置 unordered_map::count 返回哈希桶中关键码为key的键值对的个数 unordered_map::equal_range 返回包含容器中所有元素的区域的边界 注意：因为unordered_map中key是不能重复的，因此count函数的返回值最大为1
⑥unordered_map的修改操作
函数声明 函数功能 unordered_map::insert 向容器中插入键值对 unordered_map::erase 删除容器中的键值对 unordered_map::clear 清空容器中有效元素个数 unordered_map::swap 交换两个容器中的元素 unordered_map::emplace 构造并向容器中插入键值对(效率比insert高) unordered_map::emplace_hint 构造并向容器中插入键值对(效率比insert高) ⑦ unordered_map的桶操作
函数声明 函数功能 unordered_map::bucket_count 返回哈希桶中桶的总个数 unordered_map::max_bucket_count 返回哈希桶中桶的最大总个数 unordered_map::bucket_size 返回n号桶中有效元素的总个数 unordered_map::bucket 返回元素key所在的桶号
Ⅰ. Ⅱ unordered_set
unordered_set和unordered_map的接口极其类似
这里就不过多赘述具体可参看文档unordered_set
Ⅰ. Ⅲ 一些相关的OJ题
349. 两个数组的交集 - 力扣（LeetCode）
961. 在长度 2N 的数组中找出重复 N 次的元素 - 力扣（LeetCode）
[350. 两个数组的交集 II - 力扣（LeetCode）](https://leetcode.cn/problems/intersection-of-two-arrays/)
217. 存在重复元素 - 力扣（LeetCode）
884. 两句话中的不常见单词 - 力扣（LeetCode）
Ⅱ.底层结构
unordered系列的关联式容器之所以效率比较高，是因为其底层使用了哈希结构。
Ⅱ. Ⅰ哈希概念
顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素 时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即 O( l o g 2 N log_2 N log2N)，搜索的效率取决于搜索过程中元素的比较次数。
理想的搜索方法：可以不经过任何比较，一次直接从表中得到要搜索的元素。 如果构造一种存储结构，通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立 一一映射的关系，那么在查找时通过该函数可以很快找到该元素。当向该结构中：
插入元素
根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放
搜索元素
对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置 取元素比较，若关键码相等，则搜索成功
该方式即为哈希(散列)方法，哈希方法中使用的转换函数称为哈希(散列)函数，构造出来的结构称 为哈希表(Hash Table)(或者称散列表)
例如：数据集合{1，7，6，4，5，9}；
哈希函数设置为：
hash(key) = key % capacity;capacity为存储元素底层空间总的大小。
用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快问题：按照上述哈希方式，向集合中插入元素44，会出现什么问题？
会出现冲突的情况！，因为44计算下来应该放在4当前放的位置；
Ⅱ. Ⅱ哈希冲突
对于两个数据元素的关键字 k i k_i ki和 k j k_j kj(i != j)，有 k i k_i ki != k j k_j kj，但有：Hash( k i k_i ki) == Hash( k j k_j kj)，即：不同关键字通过相同哈希哈数计算出相同的哈希地址，该种现象称为哈希冲突或哈希碰撞。
把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。
发生哈希冲突该如何处理呢？
引入哈希函数的概念来解决哈希冲突！
Ⅱ. Ⅲ哈希函数
引起哈希冲突的一个原因可能是：哈希函数设计不够合理。 哈希函数设计原则：
- 哈希函数的定义域必须包括需要存储的全部关键码，而如果散列表允许有m个地址时，其值 域必须在0到m-1之间
- 哈希函数计算出来的地址能均匀分布在整个空间中
- 哈希函数应该比较简单
常见哈希函数：
直接定值法：
取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B
优点：简单、均匀
缺点：需要事先知道关键字的分布情况
使用场景：适合查找比较小且连续的情况
面试题：387. 字符串中的第一个唯一字符 - 力扣（LeetCode）
除留余数法–(常用)
设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数， 按照哈希函数：**Hash(key) = key% p(p<=m),**将关键码转换成哈希地址
平方取中法–(了解)
假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址； 再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址
平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况
折叠法–(了解)
折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这 几部分叠加求和，并按散列表表长，取后几位作为散列地址。
折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况
随机数法–(了解)
选择一个随机函数，取关键字的随机函数值为它的哈希地址，即H(key) = random(key),其中 random为随机数函数。
通常应用于关键字长度不等时采用此法
数学分析法–(了解)
设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定 相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只 有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。例如：
假设要存储某家公司员工登记表，如果用手机号作为关键字，那么极有可能前7位都是 相同的，那么我们可以选择后面的四位作为散列地址，如果这样的抽取工作还容易出现 冲突，还 可以对抽取出来的数字进行反转(如1234改成4321)、右环位移(如1234改成4123)、左环移 位、前两数与后两数叠加(如1234改成12+34=46)等方法。
数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的 若干位分布较均匀的情况
注意：哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突
Ⅱ. Ⅳ 哈希冲突解决
解决哈希冲突两种常见的方法是：闭散列和开散列
Ⅱ. Ⅳ. Ⅰ闭散列
**闭散列：也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有 空位置，那么可以把key存放到冲突位置中的“下一个” 空位置中去。**那如何寻找下一个空位置 呢？
①线性探测
比如2.1中的场景，现在需要插入元素44，先通过哈希函数计算哈希地址，hashAddr为4， 因此44理论上应该插在该位置，但是该位置已经放了值为4的元素，即发生哈希冲突。
线性探测：从发生冲突的位置开始，依次向后探测，直到寻找到下一个空位置为止。
插入
1.通过哈希函数获取待插入元素在哈希表中的位置
2.如果该位置中没有元素则直接插入新元素，如果该位置中有元素发生哈希冲突， 使用线性探测找到下一个空位置，插入新元素
删除
采用闭散列处理哈希冲突时，不能随便物理删除哈希表中已有的元素，若直接删除元素 会影响其他元素的搜索。比如删除元素4，如果直接删除掉，44查找起来可能会受影 响。因此线性探测采用标记的伪删除法来删除一个元素。
// 哈希表每个空间给个标记 // EMPTY此位置空， EXIST此位置已经有元素， DELETE元素已经删除 enum State{EMPTY, EXIST, DELETE};线性探测的实现
bool Insert(const pair<K, V> kv) { Hash hash; //查看是否需要扩容，超过size的0.7就进行扩容 if (_tables.size() == 0 || _n * 10 / _tables.size() >= 7) { size_t newsize = _tables.size() == 0 ? 10 : _tables.size() * 2; HashTable<K, V> newht; newht._tables.resize(newsize); //遍历旧表映射到新表 for (auto& date : _tables) { if (date._state == EXIST) newht.Insert(date._kv); } _tables.swap(newht._tables); } size_t hashi = kv.first % _tables.size(); //线性探测 size_t i = 1; size_t index = hashi; while (_tables[index]._state == EXIST) { index = hashi + i; index %= _tables.size(); ++i; } _tables[index]._kv = kv; _tables[index]._state = EXIST; ++_n; return true; } HashDate<K, V>* find(const K& key) { if (_tables.size() == 0) { return false; } size_t hashi = key % _tables.size(); //线性探测 size_t i = 1; size_t index = hashi; while (_tables[index]._state == EXIST) { if (_tables[index]._state == EXIST && _tables[index].first == key) { return &_tables[index]; } index = hashi + i; index %= _tables.size(); ++i; //查找了一圈，证明表中的状态只有EXIST和DELET的状态 if (index == hashi) { break; } } return nullptr; } bool Erase(const K& key) { HashDate<K, V>* ret = find(key); if (ret) { ret->_state = DELETE; --_n; return true; } else { return false; } }思考：哈希表什么情况下进行扩容？如何扩容？
这里引入一个新的概念：载荷因子α
α = 填入表中元素的个数 / 散列表的长度 α = 填入表中元素的个数 / 散列表的长度 α=填入表中元素的个数/散列表的长度
所以α越大，表明填入表中的元素就越多，产生冲突的可能行就越大。反之α越小，表明表中的元素就越少，产生冲突的概率就越小。实际上，散列表的平均查找长度就是α的函数。一般限定阿尔法的值为0.75左右。
void CheckCapacity() { if(_size * 10 / _ht.capacity() >= 7) { HashTable<K, V, HF> newHt(GetNextPrime(ht.capacity)); for(size_t i = 0; i < _ht.capacity(); ++i) { if(_ht[i]._state == EXIST) newHt.Insert(_ht[i]._val); } Swap(newHt); } }线性探测优点：实现非常简单.
线性探测缺点：一旦发生哈希冲突，所有的冲突连在一起，容易产生数据“堆积”，即：不同关键码占据了可利用的空位置，使得寻找某关键码的位置需要许多次比较，导致搜索效率降低。如何缓解呢？
②二次探测
线性探测的缺陷是产生冲突的数据堆积在一块，这与其找下一个空位置有关系，因为找空位 置的方式就是挨着往后逐个去找，因此二次探测为了避免该问题，找下一个空位置的方法 为： H i H_i Hi = ( H 0 H_0 H0 + i 2 i^2 i2 )% m, 或者： H i H_i Hi = ( H 0 H_0 H0 - i 2 i^2 i2 )% m。其中：i = 1,2,3…， H 0 H_0 H0是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置，m是表的大小。对于2.1中如果要插入44，产生冲突，使用解决后的情况为：
研究表明：当表的长度为质数且表装载因子a不超过0.5时，新的表项一定能够插入，而且任何一个位置都不会被探查两次。因此只要表中有一半的空位置，就不会存在表满的问题。在搜索时可以不考虑表装满的情况，但在插入时必须确保表的装载因子a不超过0.5，如果超出 必须考虑增容。因此：比散列最大的缺陷就是空间利用率比较低，这也是哈希的缺陷。
Ⅱ. Ⅳ. Ⅱ开散列
1.开散列的概念
开散列法又叫链地址法(开链法)，首先对关键码集合用散列函数计算散列地址，**具有相同地址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个单链表链接起来，**各链表的头结点存储在哈希表中。
从上图可以看出：散列表的每个桶中放的都是哈希冲突的元素。2.开散列的实现：
template<class K> struct HashFunc { size_t operator()(const K& key) { return key; } }; //特化 template<> struct HashFunc<string> { size_t operator()(const string& s) { size_t hash = 0; for (auto ch : s) { hash += ch; hash *= 31; } return hash; } }; namespace HashBucket { template<class K, class V> struct HashNode { HashNode<K, V>* _next; pair<K, V> _kv; HashNode(const pair<K, V>& kv) :_kv(kv) ,_next(nullptr) {} }; template<class K, class V, class Hash = HashFunc<K>> class HashTable { typedef HashNode<K, V> Node; public: ~HashTable() { for (auto& cur : _tables) { while (cur) { Node* next = cur->_next; delete cur; cur = next; } cur = nullptr; } } public: Node* Find(const K& key) { Hash hash; if (_tables.size() == 0) { return nullptr; } size_t hashi = hash(key) % _tables.size(); Node* cur = _tables[hashi]; while (cur) { if (cur->_kv.first == key) return cur; cur = cur->_next; } return nullptr; } bool Erase(const K& key) { Hash hash; size_t hashi = hash(key) % _tables.size(); Node* prev = nullptr; Node* cur = _tables[hashi]; while (cur) { if (cur->_kv.first == key) { if (prev == nullptr) { _tables[hashi] = cur->_next; } else { prev->_next = cur->_next; } delete cur; return true; } prev = cur; cur = cur->_next; } return false; } bool Insert(const pair<K, V>& kv) { Hash hash; if (Find(kv.first)) { return false; } //载荷因子为1 if (_n == _tables.size()) { size_t newsize = _tables.size() == 0 ? 10 : _tables.size() * 2; vector<Node*> newht(newsize, nullptr); Node* cur = nullptr; for (auto cur : _tables) { while (cur) { Node* next = cur->_next; size_t hashi = hash(cur->_kv.first) % newht.size(); //头插到新的表中 cur->_next = newht[hashi]; newht[hashi] = cur; cur = next; } } _tables.swap(newht); } //头插 size_t hashi = hash(kv.first) % _tables.size(); Node* newnode = new Node(kv); newnode->_next = _tables[hashi]; _tables[hashi] = newnode; _n++; return true; } int MaxBucketSize() { int max = 0; for (int i = 0; i < _tables.size(); ++i) { Node* cur = _tables[i]; int count = 0; while (cur) { count++; cur = cur->_next; } if (max < count) max = count; } return max; } private: vector<Node*> _tables; size_t _n = 0; };3.开散列的增容
//载荷因子为1 if (_n == _tables.size()) { //这里的判断是为了防止初始size值为零的情况 size_t newsize = _tables.size() == 0 ? 10 : _tables.size() * 2; vector<Node*> newht(newsize, nullptr); Node* cur = nullptr; //遍历原表中的数据，将原表中的数据插入到新的表中 for (auto cur : _tables) { while (cur) { Node* next = cur->_next; //算出扩容后的hash值 size_t hashi = hash(cur->_kv.first) % newht.size(); //头插到新的表中 cur->_next = newht[hashi]; newht[hashi] = cur; cur = next; } } //将原表的数组和新表交换 _tables.swap(newht); }4.开散列的思考
①只能存储key为整形的元素，其他类型怎么解决？
这里我们利用仿函数的方法来解决这个问题，在需要计算相关的hash值的时候我们去调用这个函数即可
template<class K> //对于普通的K类型我们直接返回 struct HashFunc { size_t operator()(const K& key) { return key; } }; //对于string类型的特化 template<> struct HashFunc<string> { size_t operator()(const string& s) { size_t hash = 0; for (auto ch : s) { hash += ch; //关于这里为什么需要乘31，原因是为了避免字符串hash值重复的问题 //就是相同字母组成的字符串，要使他们的hash值不同 //详细的话可以阅读下面链接的文章 hash *= 31; } return hash; } };各种字符串Hash函数
Ⅲ. unordered_map和unordered_set的模拟实现
Ⅲ.ⅠHashBucket的改造
①模板参数的改造
首先我们为了兼容map和set所以我们要进行模板参数的改造将以前的
//修改前 template<class K, class V> struct HashNode { HashNode<K, V>* _next; pair<K, V> _kv; HashNode(const pair<K, V>& kv) :_kv(kv) ,_next(nullptr) {} }; //修改后 //这里之后map的T就实例化为pair//set就实例化为K template<class T> struct HashNode { HashNode<T>* _next; T _data; //同样的构造函数我们也进行了修改 HashNode(const T& data) :_data(data) , _next(nullptr) {} }; //修改前 template<class K, class V, class Hash = HashFunc<K>> class HashTable { //... } //修改后 //第二个参数更换成了T，兼容map和set。 //同时添加了KeyOfT的仿函数参数，以便HashTable内部进行比较时的需要 template<class K, class T, class KeyOfT, class Hash> class HashTable { //... } ②增加迭代器的操作
首先我们构造一个迭代器的类
//前置声明，因为我们要在迭代器的类中用到HashTable来声明变量类型 template<class K, class T, class KeyOfT, class Hash> class HashTable; //Ref参数表示引用，Ptr参数代表指针 template<class K, class T, class Ref, class Ptr, class KeyOfT ,class Hash> struct _HashIterator { //我们typedef节点，HashTable. //这里的Self，这个Self虽然看起来和最后一个变量类型一样 //其实不同，第四个变量类型只能是普通迭代器，而Self是根据 //_HashIterator的不同而不同，_HashIterator如果是const迭代器 //那么他就是const迭代器，_HashTable是普通迭代器那么他就是普通迭代器 typedef HashNode<T> Node; typedef HashTable<K, T, KeyOfT, Hash> HT; typedef _HashIterator<K, T, Ref, Ptr, KeyOfT, Hash> Self; typedef _HashIterator<K, T, T&, T*, KeyOfT, Hash> Iterator; //迭代器的两个内部变量 //一个存储节点指针，一个存储HashTable Node* _node; //选用const是为了适配const迭代器 const HT* _ht; //这里的const是同样的道理适配const迭代器 _HashIterator(Node* node, const HT* ht) :_node(node) , _ht(ht) {} //拷贝构造 //const迭代器就是构造 //普通迭代器是拷贝构造 _HashIterator(const Iterator& it) :_node(it._node) , _ht(it._ht) {} Ref operator*() { return _node->_data; } Ptr operator->() { return &_node->_data; } bool operator!=(const Self& s) { return _node != s._node; } Self& operator++() { KeyOfT kot; Hash hash; //当前的桶还没走完 if (_node->_next != nullptr) { _node = _node->_next; } else { //用哈希函数算出当前的位置 size_t hashi = hash(kot(_node->_data)) % _ht->_tables.size(); hashi++; while (hashi < _ht->_tables.size()) { //如果找到当前桶内有值的桶 if (_ht->_tables[hashi]) { _node = _ht->_tables[hashi]; break; } //否则的话继续寻找 else { hashi++; } } //如果找完还没有找到那就是没有数据了 if (hashi == _ht->_tables.size()) { _node = nullptr; } } return *this; } }; template<class K, class T, class KeyOfT, class Hash> class HashTable { //这里的友元声明是为了可以让_HashIterator访问HashTable内部的_tables的私有变量 template<class K, class T, class Ref, class Ptr, class KeyOfT, class Hash> friend struct _HashIterator; typedef HashNode<T> Node; public: typedef _HashIterator<K, T, T&, T*, KeyOfT, Hash> iterator; typedef _HashIterator<K, T, const T&, const T*, KeyOfT, Hash> const_iterator; //.... }③通过Key获取Value的操作
这个操作的话主要是涉及到map，因为map天生支持下标访问的操作，那么我们如何改造呢
首先我们要进行insert的改造
//返回值变成迭代器和是否插入成功的pair pair<iterator, bool> Insert(const T & data) { KeyOfT kot; Hash hash; //首先我们用Find去寻找当前要插入的值是否已经存在了 iterator it = Find(kot(data)); if (it != end()) { return make_pair(it, false); } //载荷因子为1，我们选择扩容 if (_n == _tables.size()) { //size_t newsize = _tables.size() == 0 ? 10 : _tables.size() * 2; //这里用stl库中的方式避免了size为零的情况，并且使得每次扩容的空间更加合理 size_t newsize = GetNextPrime(_tables.size()); vector<Node*> newht(newsize, nullptr); Node* cur = nullptr; //遍历原来的HashTable，将原来表中的数据重新映射到新表 for (auto cur : _tables) { while (cur) { Node* next = cur->_next; //用kot仿函数获取_data的key //Hash函数用来计算哈希值 size_t hashi = hash(kot(cur->_data)) % newht.size(); //头插到新的表中 cur->_next = newht[hashi]; newht[hashi] = cur; cur = next; } } //更新_tables中存储的表原来的表不用去管，因为他是一个局部变量。 _tables.swap(newht); } //头插，先计算哈希值然后在进行计算 size_t hashi = hash(kot(data)) % _tables.size(); Node* newnode = new Node(data); newnode->_next = _tables[hashi]; _tables[hashi] = newnode; //载荷因子更新 _n++; return make_pair(iterator(newnode, this), true); }然后我们在map的重载运算符
[]这样实现V& operator[](const K& key) { //我们利用insert函数一方面可以实现用[]插入 //一方面也可以实现用key来修改value pair<iterator, bool> ret = insert(make_pair(key, V())); return ret.first->second; }
Ⅲ. Ⅱ unordered_map
#pragma once #include"Hash.h" namespace xupt { template<class K, class V, class Hash = HashFunc<K>> class unordered_map { public: struct MapKeyOfT { public: const K& operator()(const pair<const K, V>& kv) { return kv.first; } }; public: typedef typename HashBucket::HashTable<K, pair<const K, V>, MapKeyOfT, Hash>::iterator iterator; typedef typename HashBucket::HashTable<K, pair<const K, V>, MapKeyOfT, Hash>::const_iterator const_iterator; public: iterator begin() { return _ht.begin(); } iterator end() { return _ht.end(); } const_iterator begin() const { return _ht.begin(); } const_iterator end() const { return _ht.end(); } V& operator[](const K& key) { pair<iterator, bool> ret = insert(make_pair(key, V())); return ret.first->second; } pair<iterator, bool> insert(const pair<const K, V>& kv) { return _ht.Insert(kv); } iterator find() { return _ht.Find(); } bool erase() { return _ht.Erase(); } private: HashBucket:: HashTable<K, pair<const K, V>, MapKeyOfT, Hash> _ht; }; void test_unordered_map() { unordered_map<int, int> ht; ht.insert(make_pair(1, 1)); ht.insert(make_pair(2, 2)); ht.insert(make_pair(3, 3)); auto it = ht.begin(); while (it != ht.end()) { cout << it->first << ':' << it->second << " "; ++it; } cout << endl; for (auto& m : ht) { cout << m.first << " "; } } void test_unordered_map2() { string arr[] = { "西瓜", "西瓜", "苹果", "西瓜", "苹果", "苹果", "西瓜", "苹果", "香蕉", "苹果", "香蕉", "梨" }; unordered_map<string, int> countMap; for (auto& e : arr) { countMap[e]++; } for (auto& kv : countMap) { cout << kv.first << ":" << kv.second << endl; } } void test_unordered_map3() { string arr[] = { "西瓜", "西瓜", "苹果", "西瓜", "苹果", "苹果", "西瓜", "苹果", "香蕉", "苹果", "香蕉", "梨" }; unordered_map<string, int> countMap; for (auto& e : arr) { countMap[e]++; } unordered_map<string, int> ::iterator it = countMap.begin(); while (it != countMap.end()) { cout << it->first << ":" << it->second << endl; ++it; } } }
Ⅲ.Ⅲunordered_set
#pragma once #include"Hash.h" namespace xupt { template<class K, class Hash = HashFunc<K>> class unordered_set { public: struct SetKeyOfT { public: const K& operator()(const K& key) { return key; } }; public: typedef typename HashBucket::HashTable<K, K, SetKeyOfT, Hash> ::const_iterator iterator; typedef typename HashBucket::HashTable<K, K, SetKeyOfT, Hash> ::const_iterator const_iterator; iterator begin() { return _ht.begin(); } iterator end() { return _ht.end(); } const_iterator begin() const { return _ht.begin(); } const_iterator end() const { return _ht.end(); } pair<iterator, bool> insert(const K& key) { return _ht.Insert(key); } iterator find() { return _ht.Find(); } bool erase() { return _ht.Erase(); } private: HashBucket :: HashTable<K, K, SetKeyOfT, Hash> _ht; }; void test_unordered_set() { unordered_set<int> ht; ht.insert(1); ht.insert(2); ht.insert(3); unordered_set<int> ::const_iterator it = ht.begin(); while (it != ht.end()) { cout << *it << endl; ++it; } cout << endl; } }
到这本篇博客的内容就到此结束了。
如果觉得本篇博客内容对你有所帮助的话，可以点赞，收藏，顺便关注一下！
如果文章内容有错误，欢迎在评论区指正
