查找的效率与比较次数密切相关。基于比较的程序,运算效率是比较低的。比如平时可以通过indexOf查找一个数据。但这是一个基于比较的一个实现。如果是淘宝那样有上亿个商品,那么用indeOf 来查数据就会性能非常差。

对一个在哈希表中的数据的访问过程是迅速有效的,通过散列函数,哈希表中的元素的key经常是唯一的,数据元素将被更快地定位。

最近学习了散列表(哈希表),参考这篇文章https://blog.csdn.net/zouchunlaigo1988/article/details/7163920。,换成了JavaScript语言实现。

问题描述

针对某个集体(比如你所在的班级)中的“人名”设计一个哈希表,使得平均查找长度不超过R,完成相应的建表和查表程序。

基本要求

假设人名为中国人姓名的汉语拼音形式。待填入哈希表的人名共有30个,取平均查找长度的上限为2。哈希函数用除留余数法构造,用伪随机探测再散列发处理冲突。

const Name_NO = 30;
const HASH_LENGTH = 50;
const M = 50; class Name {
constructor() {
this.py = '';
this.key = 0;
}
} class Hash {
constructor() {
//名字的拼音
//拼音对应的整数
//查找的长度
this.py = '';
this.key = 0;
this.si = 0;
}
}
const NameList = [];
for (let i = 0; i < Name_NO; i++) {
let studuent = new Name();
NameList.push(studuent);
} /** 算法设计*/
/**1 姓名结构体数组初始化 */
//名字以拼音形成字符串,将字符串的各个字符对应的ASCII码相加,所得的整数作为哈希表的关键字
const InitNameList = () => {
let f = '';
let r, s0, i;
NameList[0].py = "chenliang";//陈亮
NameList[1].py = "chenyuanhao";//陈元浩
NameList[2].py = "chengwenliang";//程文亮
NameList[3].py = "dinglei";//丁磊
NameList[4].py = "fenghanzao";//冯汉枣
NameList[5].py = "fuzongkai";//付宗楷
NameList[6].py = "hujingbin";//胡劲斌
NameList[7].py = "huangjianwu";//黄建武
NameList[8].py = "lailaifa";//赖来发
NameList[9].py = "lijiahao";//李嘉豪
NameList[10].py = "liangxiaocong";//梁晓聪
NameList[11].py = "linchunhua";//林春华
NameList[12].py = "liujianhui";//刘建辉
NameList[13].py = "luzhijian";//卢志健
NameList[14].py = "luonan";//罗楠
NameList[15].py = "quegaoxiang";//阙高翔
NameList[16].py = "sugan";//苏淦
NameList[17].py = "suzhiqiang";//苏志强
NameList[18].py = "taojiayang";//陶嘉阳
NameList[19].py = "wujiawen";//吴嘉文
NameList[20].py = "xiaozhuomin";//肖卓明
NameList[21].py = "xujinfeng"; //许金峰
NameList[22].py = "yanghaichun";//杨海春
NameList[23].py = "yeweixiong";//叶维雄
NameList[24].py = "zengwei";//曾玮
NameList[25].py = "zhengyongbin";//郑雍斌
NameList[26].py = "zhongminghua";//钟明华
NameList[27].py = "chenliyan";//陈利燕
NameList[28].py = "liuxiaohui";//刘晓慧
NameList[29].py = "panjinmei";//潘金梅 for (let i = 0; i < Name_NO; i++) {
s0 = 0;
f = NameList[i].py;
for (r = 0; r < f.length; r++) {
let str = f.slice(r, r + 1)
let intNum = str.charCodeAt();
s0 = (intNum) + s0;
}
NameList[i].key = s0;
}
} /**2 建立哈希表 */
//用除留余数法建哈希函数,用伪随机探测再散列法处理冲突
const HashList = [];
for (let i = 0; i < HASH_LENGTH; i++) {
let item = new Hash();
HashList.push(item);
}
const CreateHashList = () => {
let i;
for (i = 0; i < HASH_LENGTH; i++) {
HashList[i].py = '';
HashList[i].key = 0;
HashList[i].si = 0; } for (let j = 0; j < Name_NO; j++) {
let sum = 0;
let adr = (NameList[j].key) % M;
let d = adr;
if (HashList[adr].si == 0) {
HashList[adr].key = NameList[j].key;
HashList[adr].py = NameList[j].py;
HashList[adr].si = 1;
} else {
//冲突,车采用伪随机探测再散列法处理冲突
do {
d = (d + NameList[j].key % 10 + 1) % M
sum = sum + 1;
} while (HashList[d].key != 0);
HashList[d].key = NameList[j].key;
HashList[d].py = NameList[j].py;
HashList[d].si=sum+1; }
}
}
//3.查找
const FindList = (name) => {
let s0 = 0, r, sum = 1, adr, d;
for (r = 0; r < name.length; r++) {
let str = name.slice(r, r + 1)
let intNum = str.charCodeAt();
s0 = (intNum) + s0;
}
adr = s0 % M;//使用哈希函数
d = adr;
//strcmp
if (HashList[adr].key === s0 && (HashList[adr].py == name)) {
console.log(`姓名%${HashList[d].py},关键字${s0},查找长度1`)
} else if (HashList[adr].key == 0) {
console.log("无此记录")
} else {
let g = 0;
do {
d = (d + s0 % 10 + 1) % M; //伪随机探测在散列法处理冲突
sum = sum + 1;
if (HashList[d].key === 0) {
console.log("无此记录");
g = 1;
}
if (HashList[d].key === s0) {
console.log(`姓名:${HashList[d].py},关键字:${s0},查找长度:${sum}`)
}
} while (g == 0)
}
} //显示哈希表
const Display = () => {
let i;
let total = 0;
console.log("\n地址\t关键字\t\t搜索长度\tH(key)\t 姓名\n"); //显示的格式
for (i = 0; i < 50; i++) {
console.log(i,HashList[i].key,HashList[i].si,HashList[i].key % 30,HashList[i].py);
}
for (let i = 0; i < HASH_LENGTH; i++) {
total += HashList[i].si;
}
console.log(`平均查找长度:${total/Name_NO}`)
} //运行主函数
const main = () => {
InitNameList();
CreateHashList();
Display();
//查找唯一key值的数据
FindList('zhengyongbin');
//查找key值冲突的数据
FindList('panjinmei'); }
main();

输出结果

另外再附上一个es6实现的HashTable类

class HashTable {
//初始化
constructor() {
this.obj = {};
this.count = 0;
}
//返回值
take(key) {
if (this.contains(key)) {
return this.obj[key]
}
}
//增加值
add(key, value) {
if (this.obj.hasOwnProperty(key)) {
return false;
} else {
this.obj[key] = value;
this.count++;
return true;
}
}
//清空
clear() {
this.obj = {}
}
//检测
contains(key) {
return this.obj.hasOwnProperty(key);
}
//移除hashtable中对象的值
remove(key) {
this.count--;
delete this.obj[key];
}
}

JavaScript 哈希表(散列表)实现和应用的更多相关文章

  1. JavaScript 哈希表(散列表)应用

    查找的效率与比较次数密切相关.基于比较的程序,运算效率是比较低的.比如平时可以通过indexOf查找一个数据.但这是一个基于比较的一个实现.如果是淘宝那样有上亿个商品,那么用indeOf 来查数据就会 ...

  2. JavaScript数据结构——字典和散列表的实现

    在前一篇文章中,我们介绍了如何在JavaScript中实现集合.字典和集合的主要区别就在于,集合中数据是以[值,值]的形式保存的,我们只关心值本身:而在字典和散列表中数据是以[键,值]的形式保存的,键 ...

  3. 线性表 & 散列表

    线性表: 数据排成一条线一样的机构,每个线性表上的数据最多只有前后两个方向, 包括 数组,链表,队列,栈. 非线性表 : 数据之间并不是简单的前后关系,有二叉树.图等. 散列表(基于 数组支持按照下标 ...

  4. java资料——哈希表(散列表)(转)

    哈希表       散列表(Hash table,也叫哈希表),是根据关键码值(Key value)而直接进行访问的数据结构.也就是说,它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度. ...

  5. 自己动手实现java数据结构(五)哈希表

    1.哈希表介绍 前面我们已经介绍了许多类型的数据结构.在想要查询容器内特定元素时,有序向量使得我们能使用二分查找法进行精确的查询((O(logN)对数复杂度,很高效). 可人类总是不知满足,依然在寻求 ...

  6. 散列表的实现 -- 数据结构与算法的javascript描述 第八章

    散列表(哈希表 散列是一种常用的数据存储技术,散列后的数据可以快速地插入或取用. 散列表需要一个散列值(key)来存储指定数据,取数据也是依靠此. 散列值可以依靠计算数据的 ASCII码来获得,但是这 ...

  7. javascript 实现HashTable(哈希表)

    一.javascript哈希表简介 javascript里面是没有哈希表的,一直在java,C#中有时候用到了这一种数据结构,javascript里面若没有,感觉非常不顺手.细细看来,其实javasc ...

  8. HashMap、lru、散列表

    HashMap HashMap的数据结构:HashMap实际上是一个数组和链表("链表散列")的数据结构.底层就是一个数组结构,数组中的每一项又是一个链表. hashCode是一个 ...

  9. Java 哈希表(google 公司的上机题)

    1 哈希表(散列)-Google 上机题 1) 看一个实际需求,google 公司的一个上机题: 2) 有一个公司,当有新的员工来报道时,要求将该员工的信息加入(id,性别,年龄,住址..),当输入该 ...

随机推荐

  1. Python Network Programming

    @1: 同步网络编程(也就是阻塞方式) 同步网络编程一次只能连接一个客户端. Server端: import socket def debugPrint(name, value): print(&qu ...

  2. sqlserver建立相同的表结构

    select * into purpose from source 来自为知笔记(Wiz)

  3. String与其他类型的转换

    首先,对于String类有一点是毫无疑问的:对String对象的任何改变都不影响到原对象,相关的任何change操作都会生成新的对象. 一. String与StringBuilder.StringBu ...

  4. EXSITS应该怎么用?

    无论是做项目还是普通使用SQL,我们通常都会使用IN.因为很好理解,也很方便.但是,面对着多层查询嵌套,或者IN关键字里面的结果集数量巨大,查询的效率就会直线下降.这时候,我们应该用好EXSITS. ...

  5. HDU - 6393 Traffic Network in Numazu (LCA+RMQ+树状数组)

    这道题相当于将这两题结合: http://poj.org/problem?id=2763 http://codeforces.com/gym/101808/problem/K 题意:有N各点N条边的带 ...

  6. POJ - 2912 Rochambeau (带权并查集+枚举)

    题意:有N个人被分为了三组,其中有一个人是开了挂的.同组的人的关系是‘=’,不同组的人关系是‘<’或'>',但是开了挂的人可以给出自己和他人任意的关系.现在要根据M条关系找出这个开了挂的人 ...

  7. 操作JavaScript数组

    unshift:在数据首段添加元素. push: 在数组的末端添加元素. shift:移除并返回第一个元素,会影响 数组长度. pop:移除并返回最后一个元素.会影响 数组长度. delete  数组 ...

  8. 【c++ primer, 5e】访问控制与封装

    练习 7.16 无,类的接口定义在public说明符之后,类的实现细节定义在private说明符之后. 7.17 有.类成员的默认访问权限不同.class的类成员默认为private,struct的则 ...

  9. 【Flask】Flask-Migrate基本使用

    # flask_migrate笔记:在实际的开发环境中,经常会发生数据库修改的行为.一般我们修改数据库不会直接手动的去修改,而是去修改ORM对应的模型,然后再把模型映射到数据库中.这时候如果有一个工具 ...

  10. Python3,x:如何进行手机APP的数据爬取

    Python3,x:如何进行手机APP的数据爬取 一.简介 平时我们的爬虫多是针对网页的,但是随着手机端APP应用数量的增多,相应的爬取需求也就越来越多,因此手机端APP的数据爬取对于一名爬虫工程师来 ...