另一个关于SO的问题提出了一些语言中的设施来对字符串进行哈希处理，以便在表格中快速查找。两个例子是字典＆lt;＆gt;在.NET中和Python中的{}存储结构。其他语言当然支持这种机制。 C ++有它的地图，LISP和大多数其他现代语言一样具有等价物。
在问题的答案中争论说，字符串上的哈希算法可以在一个持续时间内进行，其中一个SO成员具有25年的编程经验，声称任何事物都可以在恒定时间内进行哈希处理。我个人的论点是，这不是真的，除非您的特定应用程序在字符串长度上设置边界。这意味着一些常数K将决定字符串的最大长度。
我熟悉使用哈希函数进行操作的Rabin-Karp算法，但是这个算法没有规定要使用的特定哈希函数，作者建议的那个是O（m），其中m是散列字符串的长度。
我看到其他一些页面（如http://www.cse.yorku.ca/~oz/hash.html）显示了一些哈希算法，但似乎每个页面都在字符串的整个长度上迭代以得到它的值。
根据我对该主题的相对有限的阅读，似乎大多数字符串类型的关联数组实际上是使用散列函数创建的，该函数在引擎盖下使用某种树进行操作。这可能是一个AVL树或红/黑树，它指向键/值对中值元素的位置。
即使使用这种树结构，如果我们要保持theta（log（n））的顺序，n是树中元素的数量，我们需要有一个恒定时间哈希算法。否则，我们会对字符串进行迭代处理。尽管对于包含许多字符串的索引，theta（m）会被theta（log（n））黯然失色，但如果我们处于这样一个域中，我们搜索的文本将非常大，我们就不能忽略它。
我知道后缀树/数组和Aho-Corasick可以将搜索降低到theta（m）以获得更大的内存开销，但是我要问的是，如果存在任意字符串的常量哈希方法其他SO成员声称的长度。
感谢。
答案 0 :(得分：7)
哈希函数不必（也不能）为每个字符串返回唯一值。
您可以使用前10个字符初始化随机数生成器，然后使用它从字符串中提取100个随机字符，并将其哈希。这将是恒定的时间。
你也可以只返回常量值1.严格来说，这仍然是一个哈希函数，虽然不是很有用。
答案 1 :(得分：5)
一般来说，我认为任何完整的字符串哈希必须使用字符串的每个字符，因此需要增长为n个字符的O（n）。但是我认为对于实际的字符串哈希，你可以使用很容易为O（1）的近似哈希值。
考虑一个始终使用Min（n，20）个字符来计算标准哈希的字符串哈希。显然，这会随着字符串大小增长为O（1）。它会可靠地运作吗？这取决于你的域名......
答案 2 :(得分：3)
您不能轻易地为字符串实现一般的常量时间哈希算法，而不会有严重的哈希冲突案例。
要使它成为常量时间，您将无法访问字符串中的每个字符。举个简单的例子，假设我们取前6个字符。然后有人试图散列一系列URL。 has函数将为每个字符串看到“http：/”。
其他角色选择方案可能会出现类似情况。您可以根据前一个字符的值伪随机地选择字符，但如果由于某种原因字符串具有“错误”模式并且许多字符串最终具有相同的散列值，您仍然会冒失败的风险。
答案 3 :(得分：1)
如果您使用ropes而不是字符串并且具有允许您跳过某些计算的共享，则希望渐近地小于线性散列时间。但显然哈希函数不能分离它没有读取的输入，所以我不会认真对待“一切都可以在恒定时间内进行哈希”。
哈希函数的质量和计算量之间的折衷是有可能的，并且长字符串上的哈希函数无论如何都必须有冲突。
您必须确定如果散列函数只查看前缀，算法中可能出现的字符串是否会经常发生冲突。
答案 4 :(得分：1)
虽然我无法想象无限长度字符串的固定时间散列函数，但实际上并不需要它。
使用散列函数背后的想法是生成散列值的分布，使得不太可能发生许多字符串碰撞 - 用于所考虑的域。该密钥允许直接访问数据存储。这两个组合导致恒定时间查找 - 平均。
如果发生此类冲突，查找算法将依赖于更灵活的查找子策略。
答案 5 :(得分：1)
当然，这是可行的，只要你确保所有的字符串都被“插入”，然后再将它们传递给需要散列的内容。实习是将字符串插入字符串表的过程，这样所有具有相同值的实习字符串实际上都是同一个对象。然后，您可以简单地将（固定长度）指针散列到实习字符串，而不是散列字符串本身。
答案 6 :(得分：1)
您可能对我去年提出的以下数学结果感兴趣。
考虑将无限数量的键（例如任何长度的所有字符串的集合）散列到{1,2，...，b}中的数字集的问题。随机散列通过首先在H函数族中随机选取散列函数h来进行。
我将证明总是存在无限数量的键肯定会碰撞所有H函数，也就是说，它们对于所有散列函数总是具有相同的散列值。
选择任何散列函数h：至少有一个散列值y使得集合A = {s：h（s）= y}是无限的，也就是说，你有无限多个字符串碰撞。选择任何其他散列函数h'并散列集合A中的密钥。至少有一个散列值y'使得集合A'= {s在A：h'（s）= y'}中是无限的，也就是说，在两个散列函数上存在无限多个字符串冲突。你可以多次重复这个论点。重复H次。然后你有一组无限的字符串，其中所有字符串都会碰撞你的所有H哈希函数。 CQFD。
进一步阅读： 可变长度字符串的合理散列是不可能的 http://lemire.me/blog/archives/2009/10/02/sensible-hashing-of-variable-length-strings-is-impossible/