C++ 哈希表及unordered_set + unordered_map容器

目录

一.unordered_set和unordered_map的使用

二.哈希结构

1.概念

2.哈希函数

(1) 哈希函数设计原则

(2)常见哈希函数

3.哈希冲突

4.哈希冲突解决

(1)闭散列

(2)开散列

(3)开散列与闭散列比较

三.unordered_set及unordered_map模拟实现

1.哈希表改造

(1)模板 

(2)迭代器

(3)修改完善函数

哈希表改造后全部代码:

2.unordered_set

3.unordered_map


        前言:unordered_set和unordered_map是C++11中新增加的两个关联式容器,使用方式与set和map基本相同,但是unordered_set和unordered_map的底层是哈希表,而set和map的底层是红黑树。并且unordered_set不能排序;unordered_set和unordered_map是单向迭代器;效率要高一下,时间复杂度为O(1)。

一.unordered_set和unordered_map的使用

        这里unordered_set和unordered_map的使用与set和map基本相同,因此会了set和map,这两个也就会了。

map+set:C++ 关联式容器map+set_糖果雨滴a的博客-CSDN博客

二.哈希结构

1.概念

        在之前的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(logN),搜索的效率取决于搜索过程中元素的比较次数。

       概念:可以不经过任何比较,一次直接从表中得到要搜索的元素。可以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,在查找时可以很快找到该元素。

(1)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。

(2)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(散列表)。

        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。

2.哈希函数

(1) 哈希函数设计原则

① 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

② 哈希函数计算出来的地址能均匀分布在整个空间中。

③ 哈希函数应该比较简单。

(2)常见哈希函数

① 直接定址法(常用)

        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

② 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。

③ 平方取中法

        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。

④ 折叠法

        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

⑤ 随机数法

        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Hash(key) = random(key),其中random为随机数函数。

        随机数法通常应用于关键字长度不等时采用此法。

⑥ 数学分析法

        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。

        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。

3.哈希冲突

        对于两个数据元素的关键字 ki 和 kj (i != j),有 ki != kj ,但有:Hash(ki) == Hash(kj),即:不同关键字通过相同哈希计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”。

        引起哈希冲突的一个原因可能是:哈希函数设计不够合理。

4.哈希冲突解决

        解决哈希冲突的两种常见方法是:闭散列开散列

(1)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存到冲突位置中的“下一个”空位置中去。

        那么如何去寻找下一个空位置呢?

① 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。

a. 插入

        通过哈希函数获取待插入元素在哈希表中的位置。

        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。

C++ 哈希表及unordered_set + unordered_map容器_第1张图片

       

既然有插入,那么就有扩容,那哈希表什么时候进行扩容呢?如何扩容呢?

        扩容就由负载因子(载荷因子)来决定,负载因子:表中的元素 / 散列表的长度。

        负载因子越大,表明表中的元素越低,产生冲突的可能性就越大;反之,负载因子越小,表明表中的元素越少,产生冲突的可能性就越小。

        对于开放定址法,负载因子应控制在0.7-0.8以下。超过 0.8.会导致CPU缓存不命中。Java中限制了负载因子为0.75.

插入函数的具体实现:

        先通过调用查找函数,判断当前key是否存在,若存在就不再插入;不存在就要先判断负载因子是否到0.7及以上,到了就扩容,在扩容以后要重新映射(通过创建一个有扩容后空间的新表,然后通过遍历旧表,将其插入新表中,最后交换新旧表,这样原本的旧表就变成了新表)。

        扩容判断结束后,要准备找位置插入,首先因为不清楚要插入的类型,所以这里使用了仿函数,包括了int类型和string类型,并且为了在调用Insert时不需要传仿函数的参,就给仿函数写一个缺省,并且要把string类型的仿函数实现为特化版本。

        然后从该数应该映射的位置开始查找可以插入的位置(即state不为EXITS就可以插入),找到位置之后,插入,并更新插入的数据个数n。

b. 删除

        采用闭散列处理哈希冲突时,不能随便物理的删除哈希表中已有的元素,若直接删除元素会影响其它元素的搜索。因此线性探测采用标记的伪删除法来删除一个元素。

删除函数的具体实现:

        通过调用Find函数,查找是否存在,若存在就将该位置state标记为DELETE。 

c.查找

查找函数的具体实现:

        从要找着的数据本应映射的位置开始查找,如果没到标记为EMPTY的数据就一直去查找,直到找到了标记不为DELETE(即为EXITS)的数据并且key值相同,就说明找到了该值;若找了key值相同却为DELETE的,说明之前被删除了,而如果一直走到了EMPTY都没有找到,就一定是没有该数据了。

实现:

#pragma once

namespace CloseHash
{
	enum State
	{
		EMPTY,
		EXITS,
		DELETE
	};

	template 
	struct HashData
	{
		pair _kv;
		State _state = EMPTY;
	};

	template 
	struct DefaultHash
	{
		size_t operator()(const K& key)
		{
			return (size_t)key;
		}
	};

	template<>
	struct DefaultHash
	{
		size_t operator()(const string& key)
		{
			// BKDR
			size_t hash = 0;
			for (auto ch : key)
			{
				hash = hash * 131 + ch;
			}

			return hash;
		}
	};

	template >
	class HashTable
	{
		typedef HashData Data;
	public:
		bool Insert(const pair& kv)
		{
			if (Find(kv.first))
			{
				return false;
			}

			// 负载因子到0.7及以上,就扩容
			if (_tables.size() == 0 || _n * 10 / _tables.size() >= 7)
			{
				size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
				// 扩容以后,需要重新映射
				HashTable newHT;
				newHT._tables.resize(newSize);
				// 遍历旧表,插入newHT
				for (auto& e : _tables)
				{
					if (e._state == EXITS)
					{
						newHT.Insert(e._kv);
					}
				}
				newHT._tables.swap(_tables);
			}

			HashFunc hf;
			size_t starti = hf(kv.first);
			starti %= _tables.size();

			size_t hashi = starti;
			size_t i = 1;
			// 线性探测/二次探测
			while (_tables[hashi]._state == EXITS)
			{
				hashi == starti + i;
				++i;
				hashi %= _tables.size();
			}

			_tables[hashi]._kv = kv;
			_tables[hashi]._state = EXITS;
			_n++;

			return true;
		}

		Data* Find(const K& key)
		{
			if (_tables.size() == 0)
			{
				return nullptr;
			}

			HashFunc hf;
			size_t starti = hf(key);
			starti %= _tables.size();

			size_t hashi = starti;
			size_t i = 1;
			while (_tables[hashi]._state != EMPTY)
			{
				if (_tables[hashi]._state != DELETE && _tables[hashi]._kv.first == key)
				{

					return &_tables[hashi];
				}

				hashi = starti + i;
				++i;
				hashi %= _tables.size();
			}

			return nullptr;
		}

		bool Erase(const K& key)
		{
			Data* ret = Find(key);
			if (ret)
			{
				ret->_state = DELETE;
				--_n;
				return true;
			}
			else
			{
				return false;
			}
		}

	private:
		vector _tables;
		size_t _n = 0; // 存储关键字的个数
	};
}

线性探测优点:实现简单

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。

② 二次探测

        因为线性探测的缺陷是产生冲突的数据会堆积在一块,就导致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,就对其进行了优化:找下一个位置的方法变为Hi = (H0 + i^2) % m,i为1,2,3......。即不是依次往后走了,而是变成了i^2,并且这个i会依次增大。

二次探测实现:

        二次探测的实现与线性探测基本相同,只是在插入上有一些区别,这里就不实现了。

       

        虽然二次探测是线性探测的优化,不过,二次探测在本质上并没有解决闭散列去占别人位置的问题,因此一样容易造成哈希冲突。二次探测只不过是比线性探测能少一些哈希冲突。

(2)开散列

        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。

C++ 哈希表及unordered_set + unordered_map容器_第2张图片

 C++ 哈希表及unordered_set + unordered_map容器_第3张图片

因此,开散列中每个桶中放的都是在闭散列中会发生哈希冲突的元素。

a.插入

插入函数的具体实现:

        先通过调用查找函数,判断当前key是否存在,若存在就不再插入;不存在就要先判断负载因子是否到1及以上,到了就扩容,在扩容以后要重新映射(通过创建一个有扩容后空间的新表,然后通过遍历旧表,将旧表中桶的元素插入新表中,这样原本的旧表就不需要清理【已经全部转移到了新表中】,最后交换新旧表,旧表就变成了新表)。

        扩容判断结束后,要准备找位置插入,首先因为不清楚要插入的类型,所以这里使用了仿函数,包括了int类型和string类型,并且为了在调用Insert时不需要传仿函数的参,就给仿函数写一个缺省,并且要把string类型的仿函数实现为特化版本。

        然后从先得到该数应该映射的位置并进行头插,并更新插入的数据个数n。

b.删除

删除函数的具体实现:

        因为是在一个数组上的每个元素下有一个链表,因此要想删除一个元素,我们可以进行头删(单链表头删效率高)。首先定义一个prev,然后找到对应的key时,如果这个元素是链表头,就要改头的下一个位置的元素变成新的链表头;如果不是,就将prev的next直接链接到当前key的下一个元素,最后delete掉即可。(这里始终保证prev是cur的上一个元素)。

c.查找

查找函数的具体实现:

         这个就是找到对应的桶,然后进行查找即可(单链表查找)。

开散列实现:

#pragma once

namespace Bucket
{
	template 
	struct HashNode
	{
		pair _kv;
		HashNode* _next;

		HashNode(const pair& kv)
			: _kv(kv)
			, _next(nullptr)
		{}
	};

	template >
	class HashTable
	{
		typedef HashNode Node;
	public:
		~HashTable()
		{
			for (size_t i = 0; i < _tables.size(); ++i)
			{
				Node* cur = _tables[i];
				while (cur)
				{

					Node* next = cur->_next;
					delete cur;
					cur = next;
				}

				_tables[i] = nullptr;
			}
		}

		bool Insert(const pair& kv)
		{
			if (Find(kv.first))
			{
				return false;
			}

			HashFunc hf;

			// 负载因子 == 1 扩容
			if (_tables.size() == _n)
			{
				size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
				vector newTable;
				newTable.resize(newSize, nullptr);
				for (size_t i = 0; i < _tables.size(); ++i)
				{
					Node* cur = _tables[i];
					while (cur)
					{
						Node* next = cur->_next;

						size_t hashi = hf(cur->_kv.first) % newSize;
						cur->_next = newTable[hashi];
						newTable[hashi] = cur;

						cur = next;
					}

					_tables[i] = nullptr;
				}

				newTable.swap(_tables);
			}

			size_t hashi = hf(kv.first);
			hashi %= _tables.size();

			// 头插到对应的桶
			Node* newnode = new Node(kv);
			newnode->_next = _tables[hashi];
			_tables[hashi] = newnode;

			++_n;

			return true;
		}

		Node* Find(const K& key)
		{
			if (_tables.size() == 0)
			{
				return nullptr;
			}

			HashFunc hf;
			size_t hashi = hf(key);
			hashi %= _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)
		{
			if (_tables.size() == 0)
			{
				return false;
			}

			HashFunc hf;
			size_t hashi = hf(key);
			hashi %= _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;
		}
	private:
		vector _tables; // 指针数组
		size_t _n = 0;
	};
}

(3)开散列与闭散列比较

        开散列(链地址法)处理溢出,需要增设链接指针,似乎增加了存储开销。事实上,由于闭散列(开地址法)必须保持大量的空闲空间以确保搜索效率,导致闭散列表项所占空间比指针大的多。因此使用开散列(链地址法)要比闭散列(开地址法)节省存储空间。

三.unordered_set及unordered_map模拟实现

1.哈希表改造

        为了用哈希表去封装unordered_set和unordered_map(这里用的是开散列封装),就要去改造哈希表,然后在unordered_set和unordered_map中调用哈希表函数即可。而如何改造,模板和迭代器是关键。

        

        这里类似于之前模拟实现的set和map,但是哈希表要再稍微麻烦一些。

set+map->C++ 关联式容器map+set_糖果雨滴a的博客-CSDN博客

(1)模板 

        这里模板的K就是key,但是因为要封装unordered_set和unordered_map,所以我们不确定下一个参数是不是V,因此这个T是决定存什么的,如果是unordered_set就是K,如果是unordered_map就是V。

        KeyOfT仿函数就是用在封装时,到底是unordered_set返回key,还是unordered_map返回kv.first,这里需要作为区分。

        HashFunc仿函数就是因为我们不知道存的数据是什么,所以对存的数据的不同,要进行不同的处理。

template 

(2)迭代器

        迭代器需要我们自己封装实现,这里的成员变量分别是 结点,和指向哈希表的指针

        然后实现*,->,!=,==,++的操作符重载(这里不需要实现 --的操作符重载,因为哈希表的是单向迭代器)。

        这些操作符重载的实现比较简单,只有++需要去进行查找。

template 
struct HashNode
{
	T _data;
	HashNode* _next;

	HashNode(const T& data)
		: _data(data)
		, _next(nullptr)
	{}
};

template 
class HashTable;

template
class __HTIterator
{
	typedef HashNode Node;
	typedef __HTIterator Self;
public:
	Node* _node;
	HashTable* _pht;

	__HTIterator()
	{}

	__HTIterator(Node* node, HashTable* pht)
		: _node(node)
		, _pht(pht)
	{}

	Self& operator++()
	{
		if (_node->_next)
		{
			_node = _node->_next;
		}
		else
		{
			KeyOfT kot;
			HashFunc hf;
			size_t hashi = hf(kot(_node->_data)) % _pht->_tables.size();
			++hashi;
			// 找下一个不为空的桶
			for (; hashi < _pht->_tables.size(); ++hashi)
			{
				if (_pht->_tables[hashi])
				{
					_node = _pht->_tables[hashi];
					break;
				}
			}

			// 没有找到不为空的桶,用nullptr去做end标识
			if (hashi == _pht->_tables.size())
			{
				_node = nullptr;
			}
		}

		return *this;
	}

	T& operator*()
	{
		return _node->_data;
	}

	T* operator->()
	{
		return &_node->_data;
	}

	bool operator!=(const Self& s) const
	{
		return _node != s._node;
	}

	bool operator==(const Self& s) const
	{
		return _node == s._node;
	}
};

(3)修改完善函数

        接下来就要把之前所实现的函数进行修改完善,并且因为多了迭代器,所以也要实现迭代器的接口函数。

        迭代器的begin和end实现比较简单,注意这里的返回值,返回值是一个利用当前结点和当前指向哈希表的指针构造的iterator。

        为了unordered_map的[]操作符重载的实现,我们需要对Insert和的Find返回值进行修改,Insert函数的返回值需要是一个pair类型的(其中一个是iterator类型,另一个是bool类型)。

        iterator类型就是为了调用[]后可以得到当前的迭代器,而bool类型是为了判断是否插入成功的。

        查找函数也需要修改一下返回值,它的返回值要改成迭代器,找到了就要返回这个函数的迭代器,这样在插入函数中才能得到其对应的迭代器。

        

        这里还有一个优化,就是让扩容后的值是质数。这个在C++的STL源码中是进行了这个修改的,但是java中并没有,所以也不是很确定这个优化到底如何。

优化如下:

size_t GetNextPrime(size_t prime)
{
	const int PRIMECOUNT = 28;
	static const size_t primeList[PRIMECOUNT] =
	{
		53ul, 97ul, 193ul, 389ul, 769ul,
		1543ul, 3079ul, 6151ul, 12289ul, 24593ul,
		49157ul, 98317ul, 196613ul, 393241ul, 786433ul,
		1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,
		50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,
		1610612741ul, 3221225473ul, 4294967291ul
	};

	// 获取比prime大那一个素数
	size_t i = 0;
	for (; i < PRIMECOUNT; ++i)
	{
		if (primeList[i] > prime)
			return primeList[i];
	}

	return primeList[i];
}

pair Insert(const T& data)
{
	HashFunc hf;
	KeyOfT kot;

	iterator pos = Find(kot(data));
	if (pos != end())
	{
		return make_pair(pos, false);
	}

	// 负载因子 == 1 扩容
	if (_tables.size() == _n)
	{
		//size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
		size_t newSize = GetNextPrime(_tables.size());
		if (newSize != _tables.size())
		{
			vector newTable;
			newTable.resize(newSize, nullptr);
			for (size_t i = 0; i < _tables.size(); ++i)
			{
				Node* cur = _tables[i];
				while (cur)
				{
					Node* next = cur->_next;

					size_t hashi = hf(kot(cur->_data)) % newSize;
					cur->_next = newTable[hashi];
					newTable[hashi] = cur;

					cur = next;
				}

				_tables[i] = nullptr;
			}

			newTable.swap(_tables);
		}
	}

	size_t hashi = hf(kot(data));
	hashi %= _tables.size();

	// 头插到对应的桶
	Node* newnode = new Node(data);
	newnode->_next = _tables[hashi];
	_tables[hashi] = newnode;

	++_n;

	return make_pair(iterator(newnode, this), true);
}

哈希表改造后全部代码:

#pragma once

template 
struct DefaultHash
{
	size_t operator()(const K& key)
	{
		return (size_t)key;
	}
};

template<>
struct DefaultHash
{
	size_t operator()(const string& key)
	{
		// BKDR
		size_t hash = 0;
		for (auto ch : key)
		{
			hash = hash * 131 + ch;
		}

		return hash;
	}
};

namespace Bucket
{
	template 
	struct HashNode
	{
		T _data;
		HashNode* _next;

		HashNode(const T& data)
			: _data(data)
			, _next(nullptr)
		{}
	};

	template 
	class HashTable;

	template
	class __HTIterator
	{
		typedef HashNode Node;
		typedef __HTIterator Self;
	public:
		Node* _node;
		HashTable* _pht;

		__HTIterator()
		{}

		__HTIterator(Node* node, HashTable* pht)
			: _node(node)
			, _pht(pht)
		{}

		Self& operator++()
		{
			if (_node->_next)
			{
				_node = _node->_next;
			}
			else
			{
				KeyOfT kot;
				HashFunc hf;
				size_t hashi = hf(kot(_node->_data)) % _pht->_tables.size();
				++hashi;
				// 找下一个不为空的桶
				for (; hashi < _pht->_tables.size(); ++hashi)
				{
					if (_pht->_tables[hashi])
					{
						_node = _pht->_tables[hashi];
						break;
					}
				}

				// 没有找到不为空的桶,用nullptr去做end标识
				if (hashi == _pht->_tables.size())
				{
					_node = nullptr;
				}
			}

			return *this;
		}

		T& operator*()
		{
			return _node->_data;
		}

		T* operator->()
		{
			return &_node->_data;
		}

		bool operator!=(const Self& s) const
		{
			return _node != s._node;
		}

		bool operator==(const Self& s) const
		{
			return _node == s._node;
		}
	};

	// unordered_map ->HashTable, MapKeyOfT> _ht;
	// unordered_set ->HashTable _ht;
	template 
	class HashTable
	{
		template 
		friend class __HTIterator;

		typedef HashNode Node;
	public:
		typedef __HTIterator iterator;

		iterator begin()
		{
			for (size_t i = 0; i < _tables.size(); ++i)
			{
				Node* cur = _tables[i];
				if (cur)
				{
					return iterator(cur, this);
				}
			}

			return end();
		}

		iterator end()
		{
			return iterator(nullptr, this);
		}

		~HashTable()
		{
			for (size_t i = 0; i < _tables.size(); ++i)
			{
				Node* cur = _tables[i];
				while (cur)
				{

					Node* next = cur->_next;
					delete cur;
					cur = next;
				}

				_tables[i] = nullptr;
			}
		}

		size_t GetNextPrime(size_t prime)
		{
			const int PRIMECOUNT = 28;
			static const size_t primeList[PRIMECOUNT] =
			{
				53ul, 97ul, 193ul, 389ul, 769ul,
				1543ul, 3079ul, 6151ul, 12289ul, 24593ul,
				49157ul, 98317ul, 196613ul, 393241ul, 786433ul,
				1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,
				50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,
				1610612741ul, 3221225473ul, 4294967291ul
			};

			// 获取比prime大那一个素数
			size_t i = 0;
			for (; i < PRIMECOUNT; ++i)
			{
				if (primeList[i] > prime)
					return primeList[i];
			}

			return primeList[i];
		}

		pair Insert(const T& data)
		{
			HashFunc hf;
			KeyOfT kot;

			iterator pos = Find(kot(data));
			if (pos != end())
			{
				return make_pair(pos, false);
			}

			// 负载因子 == 1 扩容
			if (_tables.size() == _n)
			{
				//size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
				size_t newSize = GetNextPrime(_tables.size());
				if (newSize != _tables.size())
				{
					vector newTable;
					newTable.resize(newSize, nullptr);
					for (size_t i = 0; i < _tables.size(); ++i)
					{
						Node* cur = _tables[i];
						while (cur)
						{
							Node* next = cur->_next;

							size_t hashi = hf(kot(cur->_data)) % newSize;
							cur->_next = newTable[hashi];
							newTable[hashi] = cur;

							cur = next;
						}

						_tables[i] = nullptr;
					}

					newTable.swap(_tables);
				}
			}

			size_t hashi = hf(kot(data));
			hashi %= _tables.size();

			// 头插到对应的桶
			Node* newnode = new Node(data);
			newnode->_next = _tables[hashi];
			_tables[hashi] = newnode;

			++_n;

			return make_pair(iterator(newnode, this), true);
		}

		iterator Find(const K& key)
		{
			if (_tables.size() == 0)
			{
				return iterator(nullptr, this);
			}

			KeyOfT kot;
			HashFunc hf;
			size_t hashi = hf(key);
			hashi %= _tables.size();
			Node* cur = _tables[hashi];
			while (cur)
			{
				if (kot(cur->_data) == key)
				{
					return iterator(cur, this);
				}

				cur = cur->_next;
			}

			return iterator(nullptr, this);
		}

		bool Erase(const K& key)
		{
			if (_tables.size() == 0)
			{
				return false;
			}

			HashFunc hf;
			KeyOfT kot;
			size_t hashi = hf(key);
			hashi %= _tables.size();
			Node* prev = nullptr;
			Node* cur = _tables[hashi];
			while (cur)
			{
				if (kot(cur->_data) == key)
				{
					if (prev == nullptr)
					{
						_tables[hashi] = cur->_next;
					}
					else
					{
						prev->_next = cur->_next;
					}

					delete cur;

					return true;
				}

				prev = cur;
				cur = cur->_next;
			}

			return false;
		}
	private:
		vector _tables; // 指针数组
		size_t _n = 0;
	};
}

接下来封装unordered_set和unordered_map就比较简单了。 

2.unordered_set

        unordered_set是K模型的,因此这里仿函数HashFunc中返回的返回的key。

        其它接口都是去调用改造后的哈希表。

#pragma once

#include "HashTable.h"

namespace hb
{
	template >
	class unordered_set
	{
		struct SetKeyOfT
		{
			const K& operator()(const K& key)
			{
				return key;
			}
		};
	public:
		typedef typename Bucket::HashTable::iterator iterator;
		
		iterator begin()
		{
			return _ht.begin();
		}

		iterator end()
		{
			return _ht.end();
		}

		pair insert(const K& key)
		{
			return _ht.Insert(key);
		}

		iterator find(const K& key)
		{
			return _ht.Find(key);
		}

		bool erase(const K& key)
		{
			return _ht.Erase(key);
		}
	private:
		Bucket::HashTable _ht;
	};
}

3.unordered_map

        unordered_map是K,V模型的,因此这里仿函数HashFunc中返回的返回的kv.first。

        其它接口都是去调用改造后的哈希表。这里就注意一下[]操作符的实现即可。

#pragma once

#include "HashTable.h"

namespace hb
{
	template>
	class unordered_map
	{
		struct MapKeyOfT
		{
			const K& operator()(const pair& kv)
			{
				return kv.first;
			}
		};
	public:
		typedef typename Bucket::HashTable, MapKeyOfT, HashFunc>::iterator iterator;

		iterator begin()
		{
			return _ht.begin();
		}

		iterator end()
		{
			return _ht.end();
		}

		pair insert(const pair& kv)
		{
			return _ht.Insert(kv);
		}

		iterator find(const K& key)
		{
			return _ht.Find(key);
		}

		bool erase(const K& key)
		{
			return _ht.Erase(key);
		}

		V& operator[](const K& key)
		{
			pair ret = insert(make_pair(key, V()));
			return ret.first->second;
		}
	private:
		Bucket::HashTable, MapKeyOfT, HashFunc> _ht;
	};
}

你可能感兴趣的:(C++学习-笔记,散列表,c++,哈希,数据结构,STL)