C语言实现哈希搜索算法

简介: 哈希搜索,也叫散列查找,是一种通过哈希表(散列表)实现快速查找目标元素的算法。哈希搜索算法通常适用于需要快速查找一组数据中是否存在某个元素的场景,其时间复杂度最高为 O(1),而平均情况下的时间复杂度通常相当接近 O(1),因此在实际应用中具有很高的效率和性能。

一、哈希搜索算法原理

哈希搜索,也叫散列查找,是一种通过哈希表(散列表)实现快速查找目标元素的算法。哈希搜索算法通常适用于需要快速查找一组数据中是否存在某个元素的场景,其时间复杂度最高为 O(1),而平均情况下的时间复杂度通常相当接近 O(1),因此在实际应用中具有很高的效率和性能。

哈希搜索的核心思想是使用哈希函数将数据映射到一个哈希表中的某个位置,以便在需要查找时快速定位数据的位置,并进行数据访问。在理想情况下,不同的元素可以被映射到哈希表的不同位置,从而实现快速查找;但是在实际应用中,由于哈希函数的不完美或者数据的特殊分布等原因,不同的元素可能会被映射到相同的位置,这就会导致哈希碰撞(Hash Collision)的问题。

解决哈希碰撞问题的方法有很多,最常见的两种是拉链法和线性探测法:

  • 拉链法(Chaining):使用一个数组存储整个哈希表,每个数组元素都是一个链表的头指针,具有相同哈希值的元素会被链接到同一个链表上。当需要查找某个元素时,首先计算出该元素的哈希值,并定位到对应的链表上,然后遍历该链表寻找目标元素。
  • 线性探测法(Linear Probing):使用一个数组存储整个哈希表,在发生哈希碰撞时,从当前位置开始向后依次查找第一个空闲的位置,并将元素插入到该位置中,当需要查找某个元素时,首先计算出该元素的哈希值,并定位到对应的位置,如果该位置为空,则说明目标元素不存在于哈希表中;否则,如果该位置存储的元素与目标元素相同,则直接返回;否则,就继续向后查找直到找到目标元素或者遇到空位为止。

总的来说,哈希搜索是一种简单而高效的查找算法,但是它的实现涉及到许多细节问题,需要根据不同的应用场景和数据特征来选择最适合的哈希函数和哈希表结构,以保证其正常运行和高效性能。

二、哈希查找算法的C语言实现

下面是哈希查找算法的C语言实现示例:

#include <stdio.h>
#include <stdlib.h>
#define TABLE_SIZE 100 // 哈希表的大小
// 定义哈希表节点结构体
typedef struct Node {
    int key; // 节点键值
    int value; // 节点存储的值
    struct Node* next; // 指向下一个节点的指针
} Node;
// 创建一个哈希表并返回指针
Node** createHashTable() {
    Node** hashTable = (Node**) malloc(sizeof(Node*) * TABLE_SIZE);
    for (int i = 0; i < TABLE_SIZE; i++) {
        hashTable[i] = NULL;
    }
    return hashTable;
}
// 计算节点在哈希表中的下标
int getHashIndex(int key) {
    return key % TABLE_SIZE;
}
// 在哈希表中查找指定键值的节点,并返回该节点的指针
Node* findNode(Node** hashTable, int key) {
    int index = getHashIndex(key);
    Node* node = hashTable[index];
    while (node != NULL) {
        if (node->key == key) {
            return node;
        }
        node = node->next;
    }
    return NULL; // 没有找到节点,返回NULL
}
// 插入一个节点到哈希表中
void insertNode(Node** hashTable, int key, int value) {
    int index = getHashIndex(key);
    Node* node = hashTable[index];
    while (node != NULL) {
        if (node->key == key) {
            node->value = value;
            return;
        }
        node = node->next;
    }
    Node* new_node = (Node*) malloc(sizeof(Node));
    new_node->key = key;
    new_node->value = value;
    new_node->next = hashTable[index];
    hashTable[index] = new_node;
}
// 从哈希表中删除指定键值的节点
void deleteNode(Node** hashTable, int key) {
    int index = getHashIndex(key);
    Node* node = hashTable[index];
    Node* prev = NULL;
    while (node != NULL) {
        if (node->key == key) {
            if (prev == NULL) {
                hashTable[index] = node->next;
            } else {
                prev->next = node->next;
            }
            free(node);
            return;
        }
        prev = node;
        node = node->next;
    }
}
int main() {
    // 创建哈希表
    Node** hashTable = createHashTable();
    // 向哈希表中插入若干个节点
    insertNode(hashTable, 1, 2);
    insertNode(hashTable, 2, 4);
    insertNode(hashTable, 3, 6);
    // 查找节点并输出结果
    Node* node = findNode(hashTable, 2);
    if (node != NULL) {
        printf("键值为 %d 的节点的值为 %d\n", node->key, node->value);
    } else {
        printf("没有找到键值为 2 的节点\n");
    }
    // 删除节点并输出结果
    deleteNode(hashTable, 1);
    node = findNode(hashTable, 1);
    if (node != NULL) {
        printf("键值为 %d 的节点的值为 %d\n", node->key, node->value);
    } else {
        printf("没有找到键值为 1 的节点\n");
    }
    return 0;
}

上述代码中,我们定义了 Node 结构体表示哈希表的节点,包含了键值 key、存储值 value 和指向下一个节点的指针 next。其中 createHashTable 函数用来创建一个新的哈希表,getHashIndex 函数用来计算节点在哈希表中的下标,findNode 函数用来在哈希表中查找指定键值的节点,insertNode 函数用来将新节点插入到哈希表中,deleteNode 函数用来删除哈希表中指定键值的节点。

在主函数中,我们首先创建了一个新的哈希表,然后向哈希表中插入若干个节点,接着查找键值为2的节点并输出结果,最后删除键值为1的节点并输出结果。

需要注意的是,哈希表的实现涉及到很多细节问题,比如哈希函数、冲突解决方法等,如果没有特殊需求,可以使用已经实现好的哈希表库,例如C++ STL库中的 unordered_map 类。

目录
打赏
0
0
0
0
452
分享
相关文章
C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合
本文深入解析了C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合,旨在帮助读者掌握这一高效的数据处理方法。
135 1
"揭秘C语言中的王者之树——红黑树:一场数据结构与算法的华丽舞蹈,让你的程序效率飙升,直击性能巅峰!"
【8月更文挑战第20天】红黑树是自平衡二叉查找树,通过旋转和重着色保持平衡,确保高效执行插入、删除和查找操作,时间复杂度为O(log n)。本文介绍红黑树的基本属性、存储结构及其C语言实现。红黑树遵循五项基本规则以保持平衡状态。在C语言中,节点包含数据、颜色、父节点和子节点指针。文章提供了一个示例代码框架,用于创建节点、插入节点并执行必要的修复操作以维护红黑树的特性。
158 1
C 语言递归算法:以简洁代码驾驭复杂逻辑
C语言递归算法简介:通过简洁的代码实现复杂的逻辑处理,递归函数自我调用解决分层问题,高效而优雅。适用于树形结构遍历、数学计算等领域。
C语言算法复杂度
【10月更文挑战第20天】
57 5
C语言算法复杂度
C语言在实现高效算法方面的特点与优势,包括高效性、灵活性、可移植性和底层访问能力
本文探讨了C语言在实现高效算法方面的特点与优势,包括高效性、灵活性、可移植性和底层访问能力。文章还分析了数据结构的选择与优化、算法设计的优化策略、内存管理和代码优化技巧,并通过实际案例展示了C语言在排序和图遍历算法中的高效实现。
101 2
C语言在机器学习中的应用及其重要性。C语言以其高效性、灵活性和可移植性,适合开发高性能的机器学习算法,尤其在底层算法实现、嵌入式系统和高性能计算中表现突出
本文探讨了C语言在机器学习中的应用及其重要性。C语言以其高效性、灵活性和可移植性,适合开发高性能的机器学习算法,尤其在底层算法实现、嵌入式系统和高性能计算中表现突出。文章还介绍了C语言在知名机器学习库中的作用,以及与Python等语言结合使用的案例,展望了其未来发展的挑战与机遇。
97 1
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
111 1
【C语言】二分查找算法
【C语言】二分查找算法
【C语言】指针篇-精通库中的快速排序算法:巧妙掌握技巧(4/5)
【C语言】指针篇-精通库中的快速排序算法:巧妙掌握技巧(4/5)
C语言与机器学习:K-近邻算法实现
C语言与机器学习:K-近邻算法实现
102 0