为字符串生成唯一的整数（4个字节或8个字节）

Question

如果我有由字符（a到z和。）组成的字符串L，即总共27个字符，每个字符串最大可以包含256个字节。我可以使用具有0次冲突的哈希函数（实际上，理论上不是这样）吗？完美的哈希函数在这里不起作用，因为L可以被修改（即它不仅仅是只读的）

我只对实际的东西感兴趣。我知道不可能生成0次冲突的哈希函数。

我可以使用md5sum，但这会生成一个16字节的整数。我只是想寻找一个4字节或最大8字节的整数。

有可能吗？

感谢您的耐心

〜GC〜

Answer 1

一种解决方案：只需使用MD5之类的已知哈希函数，并使用最低的4或8字节。

Answer 2

其他人已经建议了正确的解决方案（使用哈希值），但是如果你真的对尽可能少的碰撞感兴趣，那么有两个想法可以更大规模地考虑这个问题：

1. 如果您在内存中保存了一些（或所有）要生成ID的字符串，则可以使用存储字符串的内存地址作为ID。假设就地更改字符串是可以的，这个ID甚至会在字符串更改时保持稳定。

2. 使用一些简单的压缩系统（例如miniLZO）将列表中的字符串压缩为某种内部表示可能是切实可行的。最终可能会有更少的数据要散列，因此可能有更简单的散列函数。当然，以这种方式计算哈希值更加昂贵，但您可以避免冲突。

Answer 3

某种校验和或哈希 是正确的答案。

你是对的，你无法避免碰撞。但是如果你将校验和或哈希缩短到只有4个字节，那么冲突的频率将会大幅增加。

如果没关系，你可以查看http://en.wikipedia.org/wiki/Hash_function之类的内容，找到一个你觉得舒服的东西。

Answer 4

由于您的数据有限，您可以使用它来指导散列。

假设字符串是以nul结尾的ASCII，您可以从映射到一个小整数开始。

char *charset = "abcdefghijklm"
                "nopqrstuvwxyz.";
int c = strchr(charset, *s++) - charset;

然后，将每个值视为基数-27基数。在从当前字符添加0-26“单位”之前，将总和乘以27进行解码。你提到一个最大长度。我猜这意味着字符串存储在固定长度的数组中。如果是这样的话，阵列不仅仅是nul-terminated，而是nul-padded。那么你可以向后解码数组，以便在基数为27的数字的最低有效“位置”中存在显着差异。但是如果大小只是一个慷慨的高估，并且大多数字符串预计要短得多，那么向前扫描并在nul上终止可能会更好。

int sum;
sum *= 27;
sum += c;