本文共 611 字，大约阅读时间需要 2 分钟。

一个文件，内含一千万行字符串，每个字符串在1K以内，要求找出所有相反的串对，如abc和cba。

当时怎么想的忘记了，现在重新思考一下，文件的大小上限是10G，不可能在内存操作了。考虑设计一种hash使得如果两个字符串维相反串能得出相同的hash值，然后用该hash将文件中的字符串散列到不同的文件中，再在各文件中进行匹配。比如这样的hash函数对字符串上所有字符的ascii求和，因为长度在1K以内，因此范围在int之内。更进一步，可以在上面那个hash后面再加一个字符串长度，可以得到更好的散列效果。（例如，a2b1c5,统计按照每个字母出现的次数进行一步的hash）

在各个单独文件中匹配时，如果采用的是第二种hash函数，那么该文件中的所有字符串都有相同的长度。如果hash效果好，那么这个文件应该小到可以在内存中进行操作了。将文件拷贝为两份，分别按照不同规则hash：第一份按前k位哈希，第二份将字符串的头尾进行颠倒后按前k位哈希（只是对于排序算法颠倒，不必实际颠倒）。这里的按前k位哈希只需要前k位相同能得到相同结果就好，比如第i位的ascii乘以2^i。两份拷贝中hash值相同的就很可能是要求的相反串对了，再进行实际匹配，工作量应该就可以接受了。

第二步，将第一份字符串放入hash_set中，然后将第二份的字符串以颠倒的字符串求hash_set，查看是否在hash_set中，注意字符串中字母完全相同的情况

转载地址：http://gveti.baihongyu.com/