我的问题不是关于使用不区分大小写的 std::unordered_set,而是它是如何工作的?
#include "stdafx.h"
#include <string>
#include <iostream>
#include <unordered_set>
#include "boost/algorithm/string.hpp"
struct case_insensitive_comparer
{
bool operator () (const std::string& x, const std::string& y) const
{
return boost::iequals(x, y);
}
};
using case_insensitive_set = std::unordered_set<std::string, std::hash<std::string>, case_insensitive_comparer>;
std::vector<std::string> permute_case(const std::string& s)
{
std::vector<std::string> strs;
// Iterate through all bitmasks, 1 for uppercase, 0 for lowercase
int msb = 1 << (s.length() - 1);
int upper = 1 << s.length();
std::locale loc;
for (int i = 0; i < upper; i++)
{
int bit = msb;
std::string current = "";
for (size_t j = 0; j < s.length(); j++, bit >>= 1)
current += (bit & i) ? std::toupper(s[j], loc) : std::tolower(s[j], loc);
strs.push_back(current);
}
return strs;
}
int main()
{
std::vector<std::string> strs = permute_case("awesome");
case_insensitive_set set(strs.begin(), strs.end());
// Check the hash
for (auto& s : strs)
std::cout << s << " :" << std::hash<std::string>()(s) << "\n";
// Check the element
for (auto& s : set)
std::cout << s << "\n";
return 0;
}
所以我为 std::unordered_set
使用了一个不区分大小写的字符串比较器和 std::hash<std::string>
作为哈希函数。我对哈希集的基本理解(我假设 unordered_set 就像一个哈希集)是它计算键的哈希值,如果它不存在则将其放入集合中。而比较器 Pred 用于当集合试图插入一个键并且存在哈希冲突时,它必须决定键是相同还是不同。
根据代码,无论如何它都能工作,所以我的一些假设是不正确的。如果有人告诉我我的哪些假设是错误的,那将会很有帮助。
谢谢。
编辑:我对这种不区分大小写的期望 unordered_set
是应该只插入 1 个键,这是我观察到的情况,即只显示 AWESOME。因此,对于我的情况,我认为它有效,但根据 kennytm 的回答,我真的很幸运,将所有 key 都放在同一个桶中。我确实使用 MSVC 来编译代码。
最佳答案
让我们记忆一下 hash table有效。
容量为 N 的哈希表是一个桶数组。桶通常是链表或二叉搜索树。从概念上讲,您可能会将哈希表视为
template <typename T> class HashTable { std::vector<std::forward_list<T>> _buckets; public: HashTable(size_t capacity = 16) : _buckets(capacity) {} size_t bucket_count() const { return _buckets.size(); }
每个键k ∈ T 都可以插入哈希表的一个桶中。选择哪个桶,由函数决定
bucket_index
它以键 k 和 容量 N 作为输入,并产生一个数组索引 0 ≤ i << em>N,key应该属于哪个bucket。void insert(T&& key) { // locate the bucket. size_t i = bucket_index(key, bucket_count()); auto& bucket = _buckets[i]; // ensure the key does not already exist in the bucket if (std::find(bucket.cbegin(), bucket.cend(), key) == bucket.cend()) { // now insert the key into the bucket. bucket.push_front(std::move(key)); } }
bucket_index
函数通常根据哈希函数实现,然后对容量取模:private: static size_t bucket_index(const T& key, size_t cap) { return std::hash<T>()(key) % cap; } };
请注意,它不使用
std::hash<T>()(key)
直接:每当hash % cap
时,两个键将引用同一个桶是平等的。
这就是为什么 OP 的代码似乎可以在 MSVC 上运行。在 MSVC 的 unordered_set
实现中,初始容量为8
.然后,如果你 print the hash as hexadecimal ,您会注意到最后一位数字始终是 c
:
AWESOME :7552acc94fd16a5c
AWESOMe :75528cc94fd133fc
AWESOmE :75bf6cc9502dcf7c
AWESOme :75bf8cc9502e05dc
AWESoME :60234cc8b2d194fc
...
awesOme :976734d757ba79dc
awesoME :81caf4d6ba5e08fc
awesoMe :81cb14d6ba5e3f5c
awesomE :815e34d6ba01a3dc
awesome :815e14d6ba016d7c
因此,hash % 8
永远是4
,即所有 128 个 key 将选择八个中的同一个桶。还记得我们选择一个桶后会发生什么吗?我们检查链接列表中是否已经存在键,这始终为真,因此只会出现第一个键“AWESOME”。
AWESOME
这给人一种错觉,只是替换了 ==
有效,而真正发生的只是MSVC 的哈希函数质量很差。
为了进一步证明 OP 的代码“不起作用”,让我们切换到另一个标准库。在 libc++ 中使用 clang 时,我们得到以下结果:
AWESOME :1a285ecfc4bab378
AWESOMe :acb9b7f4f69b16e2
AWESOmE :fd66d9186a434601
AWESOme :254b008bd66d1e29
AWESoME :27cac8154bb934d0
...
awesOme :a4e8c2140834341e
awesoME :cfd12a83da4a4b0f
awesoMe :b4c4eb4c60968581
awesomE :bdca27cd606f4f42
awesome :14ddc089ab5badb5
与 MSVC 的哈希不同,libc++ 的哈希分布相当均匀。 libc++的unordered_set初始容量为2,两个bucket都被填满,所以set有两个元素:
AWESOmE
AWESOME
并且 OP 的代码通常不起作用。
注意:这里我假设散列冲突是由单独的链处理的,并且没有动态调整大小,尽管自 ==
以来这两者都不会出现在图片中。总是返回 true
.
关于c++ - 为什么不区分大小写与 std::unordered_set 的 std::hash 函数一起使用?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43303828/