在C ++中使用哈希将字映射到整数

Question

是否有一致且广泛使用的包用于将字符串映射到整数？我正在使用一个数据集（维基百科），它可能有25亿字，并且想要一种可靠而快速的方法将单词映射到唯一的整数标识符。

Answer 1

您没有提到您愿意接受的碰撞概率。使用完美的64位哈希，你的250万个单词中有10 ^ -6的碰撞几率。这是在64位系统上使用std::hash获得的最佳效果。如果这还不够，你必须使用更大的哈希，如MD5（128位和10 ^ -26碰撞机会）或SHA-1（160位和10 ^ -35碰撞机会）。碰撞的可能性还取决于散列函数的质量。你应该使用一个众所周知的加密哈希，比如MD5或SHA-1，这可能与你的速度要求相矛盾。