Gute Hash-Funktion für Strings

Ich versuche mir eine gute Hash-Funktion für Strings auszudenken. Und ich dachte, es wäre eine gute Idee, die Unicode-Werte für die ersten fünf Zeichen in der Zeichenfolge zusammenzufassen (vorausgesetzt, sie haben fünf, andernfalls hören Sie dort auf, wo sie enden). Wäre das eine gute Idee oder eine schlechte?

Ich mache das in Java, aber ich würde mir nicht vorstellen, dass das einen großen Unterschied machen würde.

Normalerweise Hashes würde Summen nicht tun, sonst stopund potswird den gleichen Hash haben.

und Sie würden es nicht auf die ersten n Zeichen beschränken, da sonst Haus und Häuser den gleichen Hash haben würden.

Im Allgemeinen nehmen Hashs Werte an und multiplizieren sie mit einer Primzahl (erhöht die Wahrscheinlichkeit, dass eindeutige Hashes generiert werden). Sie können also Folgendes tun:

int hash = 7;
for (int i = 0; i < strlen; i++) {
    hash = hash*31 + charAt(i);
}

Wenn es sich um eine Sicherheitssache handelt, können Sie Java-Krypto verwenden:

import java.security.MessageDigest;

MessageDigest messageDigest = MessageDigest.getInstance("SHA-256");
messageDigest.update(stringToEncrypt.getBytes());
String encryptedString = new String(messageDigest.digest());

Sie sollten wahrscheinlich String.hashCode () verwenden .

Wenn Sie hashCode wirklich selbst implementieren möchten:

Versuchen Sie nicht, wesentliche Teile eines Objekts von der Hash-Code-Berechnung auszuschließen, um die Leistung zu verbessern - Joshua Bloch, Effective Java

Es ist eine schlechte Idee, nur die ersten fünf Zeichen zu verwenden . Denken Sie an hierarchische Namen wie URLs: Sie haben alle denselben Hash-Code (weil sie alle mit "http: //" beginnen, was bedeutet, dass sie in einer Hash-Map unter demselben Bucket gespeichert sind und eine schreckliche Leistung aufweisen.

Hier ist eine Kriegsgeschichte, die auf dem String hashCode von " Effective Java " umschrieben ist :

Die in allen Releases vor 1.2 implementierte String-Hash-Funktion untersuchte höchstens 16 Zeichen, die gleichmäßig über den String verteilt waren, beginnend mit dem ersten Zeichen. Bei großen Sammlungen hierarchischer Namen, wie z. B. URLs, zeigte diese Hash-Funktion ein schreckliches Verhalten.

Wenn Sie dies in Java tun, warum tun Sie es dann? Rufen Sie einfach .hashCode()die Zeichenfolge an

GuavasHashFunction ( Javadoc ) bietet anständiges, nicht kryptostarkes Hashing.

Diese von Nick bereitgestellte Funktion ist gut, aber wenn Sie einen neuen String (byte [] bytes) verwenden, um die Umwandlung in String durchzuführen, ist sie fehlgeschlagen. Mit dieser Funktion können Sie das tun.

private static final char[] hex = { '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'a', 'b', 'c', 'd', 'e', 'f' };

public static String byteArray2Hex(byte[] bytes) {
    StringBuffer sb = new StringBuffer(bytes.length * 2);
    for(final byte b : bytes) {
        sb.append(hex[(b & 0xF0) >> 4]);
        sb.append(hex[b & 0x0F]);
    }
    return sb.toString();
}

public static String getStringFromSHA256(String stringToEncrypt) throws NoSuchAlgorithmException {
    MessageDigest messageDigest = MessageDigest.getInstance("SHA-256");
    messageDigest.update(stringToEncrypt.getBytes());
    return byteArray2Hex(messageDigest.digest());
}

Vielleicht kann das jemandem helfen

// djb2 hash function
unsigned long hash(unsigned char *str)
{
    unsigned long hash = 5381;
    int c;

    while (c = *str++)
        hash = ((hash << 5) + hash) + c; /* hash * 33 + c */

    return hash;
}

Quelle Logik hinter djb2 Hash - Funktion - SO

Es wird gemunkelt, dass FNV-1 eine gute Hash-Funktion für Strings ist.

Bei langen Zeichenfolgen (die beispielsweise länger als etwa 200 Zeichen sind) kann die MD4- Hash-Funktion eine gute Leistung erzielen . Als kryptografische Funktion wurde es vor ungefähr 15 Jahren zerstört, aber für nicht kryptografische Zwecke ist es immer noch sehr gut und überraschend schnell. Im Kontext von Java müssten Sie die 16-Bit- charWerte in 32-Bit-Wörter konvertieren , z. B. indem Sie solche Werte in Paare gruppieren. Eine schnelle Implementierung von MD4 in Java finden Sie in sphlib . Wahrscheinlich übertrieben im Rahmen einer Unterrichtsaufgabe, aber ansonsten einen Versuch wert.

Wenn Sie die Implementierungen nach Industriestandard sehen möchten, schauen Sie sich java.security.MessageDigest an .

"Message Digests sind sichere Einweg-Hash-Funktionen, die Daten beliebiger Größe verwenden und einen Hash-Wert fester Länge ausgeben."

Hier ist ein Link , der viele verschiedene Hash-Funktionen erklärt. Im Moment bevorzuge ich die ELF-Hash-Funktion für Ihr spezielles Problem. Als Eingabe wird eine Zeichenfolge beliebiger Länge verwendet.

sdbm: Dieser Algorithmus wurde für die Datenbankbibliothek sdbm (eine gemeinfreie Neuimplementierung von ndbm) erstellt

static unsigned long sdbm(unsigned char *str)
{   
    unsigned long hash = 0;
    int c;
    while (c = *str++)
            hash = c + (hash << 6) + (hash << 16) - hash;

    return hash;
}

         public String hashString(String s) throws NoSuchAlgorithmException {
    byte[] hash = null;
    try {
        MessageDigest md = MessageDigest.getInstance("SHA-256");
        hash = md.digest(s.getBytes());

    } catch (NoSuchAlgorithmException e) { e.printStackTrace(); }
    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < hash.length; ++i) {
        String hex = Integer.toHexString(hash[i]);
        if (hex.length() == 1) {
            sb.append(0);
            sb.append(hex.charAt(hex.length() - 1));
        } else {
            sb.append(hex.substring(hex.length() - 2));
        }
    }
    return sb.toString();
}

Es ist eine gute Idee, mit ungeraden Zahlen zu arbeiten, wenn Sie versuchen, eine gute Hast-Funktion für Zeichenfolgen zu entwickeln. Diese Funktion nimmt eine Zeichenfolge und gibt einen Indexwert zurück. Bisher funktioniert sie ziemlich gut. und hat weniger Kollision. Der Index reicht von 0 bis 300, vielleicht sogar noch mehr, aber ich bin noch nicht höher geworden, selbst mit langen Worten wie "Elektromechanik".

int keyHash(string key)
{
    unsigned int k = (int)key.length();
    unsigned int u = 0,n = 0;

    for (Uint i=0; i<k; i++)
    {
        n = (int)key[i];
        u += 7*n%31;
    }
    return u%139;
}

Eine andere Sache, die Sie tun können, ist, jedes Zeichen int parse mit dem Index zu multiplizieren, wenn es wie das Wort "Bär" (0 * b) + (1 * e) + (2 * a) + (3 * r) zunimmt, das Sie erhalten Ein int-Wert zum Spielen. Die erste Hash-Funktion oben kollidiert bei "hier" und "hören", ist aber immer noch großartig darin, einige gute eindeutige Werte zu geben. Der folgende kollidiert nicht mit "hier" und "hören", weil ich jedes Zeichen mit dem Index multipliziere, wenn er zunimmt.

int keyHash(string key)
{
    unsigned int k = (int)key.length();
    unsigned int u = 0,n = 0;

    for (Uint i=0; i<k; i++)
    {
        n = (int)key[i];
        u += i*n%31;
    }
    return u%139;
}

Hier ist eine einfache Hash-Funktion, die ich für eine von mir erstellte Hash-Tabelle verwende. Es dient im Wesentlichen zum Aufnehmen einer Textdatei und zum Speichern jedes Wortes in einem Index, der die alphabetische Reihenfolge darstellt.

int generatehashkey(const char *name)
{
        int x = tolower(name[0])- 97;
        if (x < 0 || x > 25)
           x = 26;
        return x;
}

Dies bedeutet im Grunde, dass Wörter gemäß ihrem ersten Buchstaben gehasht werden. Ein Wort, das mit 'a' beginnt, würde einen Hash-Schlüssel von 0 erhalten, 'b' würde 1 usw. erhalten und 'z' wäre 25. Zahlen und Symbole hätten einen Hash-Schlüssel von 26. Dies bietet einen Vorteil ;; Sie können einfach und schnell berechnen, wo ein bestimmtes Wort in der Hash-Tabelle indiziert wird, da alles in alphabetischer Reihenfolge angezeigt wird. Code finden Sie hier: https://github.com/abhijitcpatil/general

Geben Sie den folgenden Text als Eingabe ein: Atticus sagte eines Tages zu Jem: „Ich würde lieber auf Blechdosen im Hinterhof schießen, aber ich weiß, dass Sie nach Vögeln suchen werden. Erschieße alle Blauhäher, die du willst, wenn du sie schlagen kannst, aber denk daran, dass es eine Sünde ist, einen Spottdrossel zu töten. “ Dies war das einzige Mal, dass ich Atticus sagen hörte, es sei eine Sünde, etwas zu tun, und ich fragte Miss Maudie danach. "Dein Vater hat Recht", sagte sie. „Spottdrosseln machen nichts anderes, als Musik zu machen, die wir genießen können. Sie fressen nicht die Gärten der Menschen auf, nisten nicht in Maiskrippen, sie tun nichts, sondern singen ihr Herz für uns aus. Deshalb ist es eine Sünde, einen Spottdrossel zu töten.

Dies wäre die Ausgabe:

0 --> a a about asked and a Atticus a a all after at Atticus
1 --> but but blue birds. but backyard
2 --> cribs corn can cans
3 --> do don’t don’t don’t do don’t do day
4 --> eat enjoy. except ever
5 --> for for father’s
6 --> gardens go
7 --> hearts heard hit
8 --> it’s in it. I it I it’s if I in
9 --> jays Jem
10 --> kill kill know
11 --> 
12 --> mockingbird. music make Maudie Miss mockingbird.”
13 --> nest
14 --> out one one only one
15 --> people’s
16 --> 17 --> right remember rather
18 --> sin sing said. she something sin say sin Shoot shot said
19 --> to That’s their thing they They to thing to time the That to the the tin to
20 --> us. up us
21 --> 
22 --> why was was want
23 --> 
24 --> you you you’ll you
25 --> 
26 --> “Mockingbirds ” “Your ‘em “I’d

Dies vermeidet jede Kollision und ist schnell, bis wir die Verschiebung in den Berechnungen verwenden.

 int k = key.length();
    int sum = 0;
    for(int i = 0 ; i < k-1 ; i++){
        sum += key.charAt(i)<<(5*i);
    }