Question

我有一个字符串数组（约2000），我想使用 IEnumerable.GroupBy 对相等的字符串进行分组。

问题是虽然存在许多哈希冲突，例如“神秘”和“井”。这可能是因为GroupBy使用了 GetHashCode（），它返回的int太小了（或者String类的GetHashCode函数没有很好地实现）。

我想您可以尝试实现重写的 GetHashCode 函数或定义自定义 IEqualityComparer 并使用不同的哈希码，但是没有任何方法可以直接比较它们或不同？我知道这需要更长的时间，但只需少量就可以接受。我怎么能解决这个问题？

Answer 1

GroupBy on strings只会将相同的字符串组合在一起，无论它们是否具有相同的哈希码。由于GroupBy在底层使用哈希表，因此许多具有相同哈希码的不同字符串可能会略微降低性能，但仍会给出正确的答案。

为了证明这一点，请注意GroupBy即使使用具有可怕散列函数的自定义IEqualityComparer也能正常工作：

void Main()
{
    var groups = new[] { "a", "a", "b", "b", "c", "c" }.GroupBy(s => s, new BadComparer())
        .Select(g => string.Join(",", g))
        .ToArray();
    Console.WriteLine(string.Join(Environment.NewLine, groups));
    // this prints:
    // a,a
    // b,b
    // c,c      
}

public class BadComparer : IEqualityComparer<string> {
    public bool Equals(string a, string b) { return a == b; }
    public int GetHashCode(string s) { return 0; }
}

另请注意，按字符串本身而不是哈希代码进行分组非常重要：

myStrings.GroupBy(s => s) // works

myStrings.GroupBy(s => s.GetHashCode()) // doesn't work

GroupBy on strings（hashcode collision）

1 个答案: