要添加/查找/保持字符串数量的数据结构？

Question

我正在试图找出哪种数据结构能够快速支持以下操作：

• 添加一个字符串（如果它不在那里，添加它，如果它在那里，增加该单词的计数器）
• 计算给定的字符串（按字符串查找然后读取计数器）

我在哈希表或者trie之间进行辩论。根据我的理解，只要您避免碰撞，哈希表就可以快速查找并添加。如果我不提前知道我的输入会有更好的方法吗？

Answer 1

这实际上取决于您将要用作“键”的字符串类型。如果你使用高度可变的字符串，加上你的字符串没有很好的哈希算法，那么trie可以胜过哈希。

然而，考虑到良好的哈希，查找将比在trie中更快。 （给出一个非常糟糕的哈希，但事实恰恰相反。）如果你不知道你的输入，但确实有一个像样的哈希算法，我个人更喜欢使用哈希。

此外，大多数现代语言/框架都有非常好的散列算法，所以很有可能，您将能够使用非常少工作的散列实现良好的查找，这将很好地执行。

Answer 2

特里不会给你买太多东西;当前缀很重要时，它们才有趣。散列表更简单，通常是语言标准库的一部分，如果不是语言本身的直接部分（Ruby，Python等）。这是在Ruby中执行此操作的简单方法：

strings = %w(some words that may be repeated repeated)
counts = Hash.new(0)
strings.each { |s| counts[s] += 1 }
#counts => {"words"=>1, "be"=>1, "repeated"=>2, "may"=>1, "that"=>1, "some"=>1}

<强>附加物： 对于C ++，您可以使用Boost's hash implementation。

Answer 3

任何一个都相当快。

没有必要完全避免碰撞。

通过更接近地观察性能，通常，哈希表比树更快，但我怀疑现实生活程序是否因为使用树而不是HT而运行得太慢，而且有些树比某些树更快哈希表。

我们还能说什么，哈希表比树更常见。

复杂树的一个优点是它们具有可预测的访问时间。使用哈希表和简单的二叉树，您看到的性能取决于数据，HT性能在很大程度上取决于实现的质量及其相对于数据集大小的配置。