数据结构C语言实现散列:创建、解决冲突、查找元素

合集下载

c语言中常用的查找

c语言中常用的查找

c语言中常用的查找C语言中常用的查找引言:在编程中,查找是一项非常常见且重要的操作。

无论是在数组、链表、树还是图等数据结构中,都需要进行查找操作来寻找特定的数据或者确定某个元素的存在与否。

C语言提供了多种查找算法和数据结构,本文将介绍C语言中常用的查找方法。

一、线性查找线性查找是最简单的查找方法之一,也称为顺序查找。

其基本思想是从数据集合的起始位置开始逐个比较待查找元素与集合中的元素,直到找到目标元素或者遍历完整个集合。

在C语言中,可以使用for循环或者while循环实现线性查找。

线性查找的时间复杂度为O(n),其中n为数据集合中元素的个数。

二、二分查找二分查找又称为折半查找,是一种高效的查找算法,但要求数据集合必须是有序的。

其基本思想是将数据集合分为两部分,然后通过与目标元素的比较来确定目标元素在哪个部分中,从而缩小查找范围。

重复这个过程直到找到目标元素或者确定目标元素不存在于数据集合中。

二分查找的时间复杂度为O(logn),其中n为数据集合中元素的个数。

三、哈希表查找哈希表是一种通过哈希函数将关键字映射到存储位置的数据结构,它能够以常数时间复杂度O(1)进行查找操作。

在C语言中,可以使用数组和链表的结合来实现哈希表。

哈希表的关键之处在于哈希函数的设计,良好的哈希函数能够将关键字均匀地映射到不同的存储位置,从而提高查找效率。

四、二叉搜索树查找二叉搜索树是一种常用的数据结构,它满足以下性质:对于任意节点,其左子树中的所有节点的值都小于该节点的值,而右子树中的所有节点的值都大于该节点的值。

在C语言中,可以使用指针和递归的方式来实现二叉搜索树。

通过比较目标值与当前节点的值,可以确定目标值位于左子树还是右子树中,从而缩小查找范围。

五、图的遍历在图的数据结构中,查找操作通常是指遍历操作。

图的遍历有两种方式:深度优先搜索(DFS)和广度优先搜索(BFS)。

深度优先搜索通过递归的方式依次访问图中的每个节点,直到找到目标节点或者遍历完整个图。

数据结构与算法复习题10(C语言版)

数据结构与算法复习题10(C语言版)

习9解答判断题: 1.用向量和单链表表示的有序表均可使用折半查找方法来提高查找速度。

答:FALSE (错。

链表表示的有序表不能用折半查找法。

)2.有n 个数据放在一维数组A[1..n]中,在进行顺序查找时,这n 个数的排列有序或无序其平均查找长度不同。

答:FALSE (错。

因顺序查找既适合于有序表也适合于无序表;对这两种表,若对于每个元素的查找概率相等,则顺序查找的ASL 相同,并且都是(n+1)/2;对于查找概率不同的情况,则按查找概率由大到小排序的无序表其ASL 要比有序表的ASL 小。

)3.折半查找是先确定待查有序表记录的范围,然后逐步缩小范围,直到找到或找不到该记录为止。

( )答:TRUE4.哈希表的查找效率主要取决于哈希表哈希表造表时选取的哈希函数和处理冲突的方法。

答:TRUE5.查找表是由同一类型的数据元素(或记录)构成的集合。

答:TRUE单选题:6.对于18个元素的有序表采用二分(折半)查找,则查找A[3]的比较序列的下标为( )。

A. 1、2、3B. 9、5、2、3C. 9、5、3D.9、4、2、3 答:D (第一次⎣⎦2/)181(+ = 9,第二次⎣⎦2/)81(+ = 4,第三次⎣⎦2/)31(+ = 2, (第四次⎣⎦2/)33(+ = 3,故选D.7. 顺序查找法适合于存储结构为____________的线性表。

A.散列存储B.顺序存储或链式存储C.压缩存储D.索引存储答:B8.对线性表进行二分查找时,要求线性表必须( )。

A .以顺序方式存储 B. 以链接方式存储C .以顺序方式存储,且结点按关键字有序排序D. 以链接方式存储,且结点按关键字有序排序答:C9.设哈希表长m=14,哈希函数为H(k) = k MOD 11。

表中已有4个记录(如下图所示),如果用二次探测再散列处理冲突,关键字为49的记录的存储地址是( )。

答:D (计算H(k),即H(49)=49 mod 11 = 5,冲突,进行二次探测再散列。

C#常用数据结构与算法

C#常用数据结构与算法

C常用数据结构与算法1.数据结构1.1 数组- 定义- 常用操作:访问元素、添加元素、删除元素、查找元素 - 应用场景1.2 链表- 定义- 常用操作:插入节点、删除节点、查找节点- 单链表、双链表、循环链表的区别- 应用场景1.3 栈- 定义- 常用操作:入栈、出栈、查看栈顶元素、判断栈是否为空 - 可使用数组或链表实现- 应用场景1.4 队列- 定义- 常用操作:入队、出队、查看队首元素、查看队尾元素、判断队列是否为空- 可使用数组或链表实现- 应用场景1.5 哈希表- 定义- 常用操作:插入键值对、删除键值对、根据键查找值、计算哈希值- 冲突解决方法:开放寻址法、链地质法- 应用场景2.常用算法2.1 排序算法- 冒泡排序- 插入排序- 选择排序- 快速排序- 归并排序- 堆排序2.2 查找算法- 线性查找- 二分查找- 插值查找- 哈希查找- 树查找(二叉搜索树、平衡二叉树、红黑树)2.3 图算法- 广度优先搜索- 深度优先搜索- 最短路径算法(Dijkstra算法、Floyd-Warshall算法) - 最小树算法(Prim算法、Kruskal算法)2.4 动态规划- 背包问题- 最长公共子序列- 最大子数组和3.附件:无4.法律名词及注释:- C: C是一种通用的、面向对象的编程语言,由微软公司开发。

- 数据结构:数据结构是计算机中组织和存储数据的方式。

- 算法:算法是解决问题的一系列步骤或过程。

- 数组:数组是一种线性数据结构,由一系列元素组成,每个元素都有唯一的索引值。

- 链表:链表是一种线性数据结构,由一系列节点组成,每个节点都包含数据和指向下一个节点的指针。

- 栈:栈是一种后进先出(LIFO)的数据结构,只能在栈顶进行操作。

- 队列:队列是一种先进先出(FIFO)的数据结构,只能在队首和队尾进行操作。

- 哈希表:哈希表是一种使用哈希函数将键映射到值的数据结构。

- 排序算法:排序算法是将一组数据按照特定顺序排列的算法。

数据结构c语言实现

数据结构c语言实现

数据结构c语言实现数据结构是计算机科学中重要的一个领域,它研究不同的数据组织方式,以及在这些数据上进行各种操作的算法。

常见的数据结构包括数组、栈、队列、链表、树、图等。

在C语言中,数据结构是通过使用结构体来实现的。

结构体是由一组数据成员组合而成的自定义数据类型,可以包含不同数据类型的数据成员。

以下是如何在C语言中实现不同的数据结构。

数组数组是数据结构中最基本的数据结构之一。

C语言中的数组定义方式如下:```int array[5];```这个代码定义了一个名为array的数组,其中有5个元素,每个元素的类型是整数。

要访问数组中的元素,可以通过下标访问:这个代码设置了数组中第一个元素的值为1。

栈栈是一种后进先出(LIFO)的数据结构。

使用C语言中的数组可以实现栈。

以下是一个简单的栈实现:```#define MAXSIZE 100int stack[MAXSIZE];int top = -1;void push(int data){if(top<MAXSIZE-1){ //判断栈是否满了stack[++top] = data; //插入数据}}int isEmpty(){return top==-1; //栈是否为空}队列链表链表是一个由节点组成的数据结构,每个节点包含一个数据成员和一个指向下一个节点的指针。

在C语言中,链表可以使用结构体和指针来实现。

以下是一个单向链表的实现:```struct node{int data;struct node *next;};struct node *head = NULL;void insert(int data){struct node *new_node = (struct node*) malloc(sizeof(struct node)); //分配内存new_node->data = data; //初始化数据new_node->next = head; //新节点指向当前头节点head = new_node; //更新头节点}void delete(int data){struct node *current_node = head; //从头节点开始查找struct node *previous_node = NULL;while(current_node!=NULL&&current_node->data!=data){ //查找节点previous_node = current_node;current_node = current_node->next;}if(current_node!=NULL){ //找到了节点if(previous_node!=NULL){ //非头节点previous_node->next = current_node->next; }else{ //头节点head = current_node->next;}free(current_node); //释放内存}}树。

c语言队列数据结构

c语言队列数据结构

c语言队列数据结构队列是一种常见的数据结构,它遵循先进先出(FIFO)的原则。

在C语言中,我们可以使用数组或链表来实现队列数据结构。

本文将介绍C语言中队列的实现方法及其应用。

一、数组实现队列数组是一种简单且常用的数据结构,可以用来实现队列。

在C语言中,我们可以使用数组来创建一个固定大小的队列。

下面是一个使用数组实现队列的示例代码:```c#include <stdio.h>#define MAX_SIZE 100int queue[MAX_SIZE];int front = -1;int rear = -1;void enqueue(int data) {if (rear == MAX_SIZE - 1) {printf("队列已满,无法插入元素。

\n");return;}if (front == -1) {front = 0;}rear++;queue[rear] = data;}void dequeue() {if (front == -1 || front > rear) {printf("队列为空,无法删除元素。

\n"); return;}front++;}int getFront() {if (front == -1 || front > rear) {printf("队列为空。

\n");return -1;}return queue[front];}int isEmpty() {if (front == -1 || front > rear) {return 1;}return 0;}int main() {enqueue(1);enqueue(2);enqueue(3);printf("队列的第一个元素:%d\n", getFront());dequeue();printf("队列的第一个元素:%d\n", getFront());return 0;}```在上述代码中,我们使用了一个数组`queue`来存储队列的元素。

数据结构(C语言版)

数据结构(C语言版)

数据结构(C语言版) 数据结构(C语言版)1.简介1.1 什么是数据结构1.2 数据结构的作用1.3 数据结构的分类1.4 C语言中的数据结构2.线性表2.1 数组2.2 链表a. 单链表b. 双链表c. 循环链表3.栈与队列3.1 栈a. 栈的定义b. 栈的基本操作3.2 队列a. 队列的定义b. 队列的基本操作4.树4.1 二叉树a. 二叉树的定义b. 二叉树的遍历4.2 AVL树4.3 B树5.图5.1 图的定义5.2 图的存储方式a. 邻接矩阵b. 邻接表5.3 图的遍历算法a. 深度优先搜索(DFS)b. 广度优先搜索(BFS)6.散列表(哈希表)6.1 散列函数6.2 散列表的冲突解决a. 开放寻址法b. 链地质法7.排序算法7.1 冒泡排序7.2 插入排序7.3 选择排序7.4 快速排序7.5 归并排序7.6 堆排序7.7 计数排序7.8 桶排序7.9 基数排序8.算法分析8.1 时间复杂度8.2 空间复杂度8.3 最好、最坏和平均情况分析8.4 大O表示法附件:________无法律名词及注释:________●数据结构:________指数据元素之间的关系,以及对数据元素的操作方法的一种组织形式。

●C语言:________一种通用的编程语言,用于系统软件和应用软件的开发。

●线性表:________由n个具有相同特性的数据元素组成的有限序列。

●栈:________一种特殊的线性表,只能在表的一端插入和删除数据,遵循后进先出(LIFO)的原则。

●队列:________一种特殊的线性表,只能在表的一端插入数据,在另一端删除数据,遵循先进先出(FIFO)的原则。

●树:________由n(n>=0)个有限节点组成的集合,其中有一个称为根节点,除根节点外,每个节点都有且仅有一个父节点。

●图:________由顶点的有穷集合和边的集合组成,通常用G(V, E)表示,其中V表示顶点的有穷非空集合,E表示边的有穷集合。

c实现的hash表-概述说明以及解释

c实现的hash表-概述说明以及解释1.引言1.1 概述在计算机科学中,哈希表(Hash Table),又被称为散列表,是一种常用的数据结构。

它能够以常数时间复杂度(O(1))来实现插入、删除和查找等操作,因此具有高效的特性。

哈希表通过哈希函数将键(key)映射到一个固定大小的数组(通常称为哈希表)。

通过这种映射关系,我们可以在数组中快速访问到对应的值(value)。

常见的应用场景包括缓存系统、数据库索引、编译器符号表等。

相对于其他数据结构,哈希表具有以下优点:1. 高效的插入、删除和查找操作:哈希表在插入、删除和查找数据时以常数时间复杂度进行操作,无论数据量大小,都能快速地完成操作。

2. 高效的存储和检索:通过哈希函数的映射关系,哈希表能够将键值对存储在数组中,可以通过键快速地找到对应的值。

3. 空间效率高:哈希表通过哈希函数将键映射到数组下标,能够充分利用存储空间,避免冗余的存储。

然而,哈希表也存在一些局限性:1. 冲突问题:由于哈希函数的映射关系是将多个键映射到同一个数组下标上,可能会导致冲突。

解决冲突问题的常见方法包括链地址法(Chaining)和开放定址法(Open Addressing)等。

2. 内存消耗:由于哈希表需要维护额外的空间来存储映射关系,所以相比于其他数据结构来说,可能会占用较多的内存。

本篇长文将重点介绍C语言实现哈希表的方法。

我们将首先讨论哈希表的定义和实现原理,然后详细介绍在C语言中如何实现一个高效的哈希表。

最后,我们将总结哈希表的优势,对比其他数据结构,并展望哈希表在未来的发展前景。

通过本文的学习,读者将能够深入理解哈希表的底层实现原理,并学会如何在C语言中利用哈希表解决实际问题。

1.2 文章结构本文将围绕C语言实现的hash表展开讨论,并按照以下结构进行组织。

引言部分将对hash表进行概述,介绍hash表的基本概念、作用以及其在实际应用中的重要性。

同时,引言部分还会阐述本文的目的,即通过C语言实现的hash表,来探讨其实现原理、方法以及与其他数据结构的对比。

【C#集合】Hash哈希函数散列函数摘要算法

【C#集合】Hash哈希函数散列函数摘要算法希函数定义哈希函数(英語:Hash function)⼜称散列函数、散列函数、摘要算法、单向散列函数。

散列函数把消息或数据压缩成摘要,使得数据量变⼩,将数据的格式固定下来。

该将数据打乱混合,重新创建⼀个(哈希函数返回的值)称为指纹、哈希值、哈希代码、摘要或散列值(hash values,hash codes,hash sums,或hashes)的指纹。

散列值通常⽤⼀个短的随机字母和数字组成的字符串来代表。

好的散列函数在输⼊域中很少出现。

完美哈希函数就是指没有冲突的哈希函数。

如今,散列算法也被⽤来加密存在数据库中的(password)字符串,由于散列算法所计算出来的散列值(Hash Value)具有不可逆(⽆法逆向演算回原本的数值)的性质,因此可有效的保护密码。

使⽤哈希函数为哈希表编制索引称为哈希或分散存储寻址。

单向散列函数(one-wayhash function),也就是通俗叫的哈希函数。

第⼀个特点:输⼊可以任意长度,输出是固定长度第⼆个特点:计算hash值的速度⽐较快第三个特点,冲突特性(Collision resistance):找出任意两个不同的输⼊值 x、y,使得 H (x)= H (y)是困难的。

(这⾥称为「困难」的原因,是消息空间是⽆穷的,⽽是有限的,因此⼀定会存在碰撞,只是对寻找碰撞的算⼒需要有难度上的约束以哈希函数SHAI (输出为 160-bit)为例:其输出空间为(0,2^160),假设输出范围⼀万亿个哈希值,发⽣碰撞的概率仅为 3×10-25。

被碰撞的概率太低,⼏乎不可能。

第四个特点:隐藏性(Hiding)或者叫做单向性(one-way):哈希函数的单向性意味着,给定⼀个哈希值,我们⽆法(很难)逆向计算出其原像输⼊。

第五点:谜题友好(puzzlefriendly)HashTable定义哈希表时保存数据的表。

通过哈希函数使得数据和存储位置之间建⽴⼀⼀对应的映射关系。

数据结构课程设计----线性开型寻址散列查找、插入、删除

山东大学软件学院数据结构课程设计报告设计题目:线性开型寻址散列查找、插入、删除学号—姓名___________年级___________专业______班级__________学期11-12学年第二学期日期:2012年月曰一、需求描述1.1散列表的研究意义:一般的线性表、树中,记录在结构中的相对位置是随机的即和记录的关键字之间不存在确定的关系,在结构中查找记录时需进行一系列和关键字的比较。

这一类查找方法建立在“比较”的基础上,查找的效率与比较次数密切相关。

理想的情况是能直接找到需要的记录,因此必须在记录的存储位置和它的关键字之间建立一个确定的对应关系f,使每个关键字和结构中一个唯一的存储位置相对应。

因而查找时,只需根据这个对应关系f找到给定值K的像f(K)。

若结构中存在关键字和K相等的记录,则必定在f(K)的存储位置上,由此不需要进行比较便可直接取得所查记录。

在此,称这个对应关系f为哈希函数,按这个思想建立的表为散列表(哈希表)。

1.2散列表的定义散列(Hash ):根据记录的关键字的值来确定其存储地址。

建立散列表,要在记录的存储地址和它的关键字之间建立一个确定的对应关系。

散列函数(Hash function ):在记录的关键字和记录的存储地址之间建立的一种对应关系。

散列函数是一种映像,是从关键字空间到存储地址空间的映像,可表示为Add (ai)=H(keyi)其中:ai是表中的一个记录,add(ai) 是ai的存储地址,keyi是ai的关键字。

冲突(collisio n) :不同的关键字经过散列函数计算后得到相同的地址,也就是说key1工key2,但是H(key1)=H(key2) 的现象叫做冲突。

具有相同函数值的几个关键字就称为该散列函数的同义词。

一般情况下,冲突只能减少,并不可避免。

当冲突发生时,就要设定一种处理冲突的办法。

散列表(Hash table ):应用散列函数和处理冲突的办法将一组关键字映像到一个有限的地址集上,并以关键字在地址集上的像作为记录在地址中的存储地址。

散列表冲突处理方案

散列表冲突处理方案散列表(Hash Table)是一种重要的数据结构,它能够快速地进行插入、查找和删除等操作。

然而,在实际应用中,冲突(Collision)是散列表中常见的问题之一。

本文将介绍散列表冲突处理的几种常见方案,以及它们的优缺点。

一、开放定址法开放定址法是一种解决冲突的常见方法。

其原理是,当发生冲突时,通过一定的探测序列找到下一个可用的空槽,将待插入的元素放入该槽内。

常用的探测序列有线性探测、二次探测以及双重散列等。

1. 线性探测线性探测是最简单的开放定址法策略。

当发生冲突时,直接往后查找下一个空槽,并将待插入元素放入该槽内。

即使数组中只有少数位置被占用,线性探测也可能导致长时间的查找。

此外,线性探测容易产生一次聚集(Primary Clustering)现象,即冲突后的元素倾向于聚集在一起,进一步影响散列表的性能。

2. 二次探测二次探测对线性探测进行了改进。

当发生冲突时,根据一个二次探测序列进行查找下一个空槽,并将待插入元素放入该槽内。

二次探测的探测序列可以是平方探测、斐波那契探测等。

相比线性探测,二次探测能够减少聚集现象,但仍然存在聚集的问题。

3. 双重散列双重散列是一种更为高效的开放定址法策略。

当发生冲突时,通过计算另一个散列函数的值,并将其与原始散列值相加,得到下一个空槽的位置。

双重散列能够更好地解决聚集问题,提高散列表的性能。

二、链表法链表法是另一种常见的散列表冲突处理方案。

基本思想是,将散列得到的相同索引值的元素存储在同一个链表中。

当插入元素时,只需要将其插入到对应索引位置的链表尾部即可。

链表法对于散列冲突的处理效果较好,但在插入和查找操作上需要额外的链表遍历开销。

三、再散列法再散列法是一种结合链表法和开放定址法的冲突处理方法。

当发生冲突时,使用一个新的散列函数对待插入的元素进行再散列,并将其放入新的散列位置。

再散列法能够在一定程度上减少冲突的概率,提高散列表的性能。

综上所述,散列表冲突处理的方案有开放定址法、链表法以及再散列法等。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

实验课题:做这个实验时采用Open Addressing框架,也可加做Separate Chaining以形成比较。

1 构造散列表,把字符串数组中的各项加入到散列表中string MyBirds[13] = { "robin", "sparrow", "hawk", "eagle", "seagull", "bluejay","owl", "cardinal", "Jakana", "Moa", "Egret", "Penguin", "hawk" };用C表示,可以是char * MyBirds[13] = { "robin", "sparrow", "hawk", "eagle", "seagull", "bluejay","owl", "cardinal", "Jakana", "Moa", "Egret", "Penguin", "hawk" };为便于观察冲突现象,初始构造散列表时,表的容量不要过大,对Open Addressing,装载因子为0.5左右,对于Separate Chaining,装载因子为1左右即可。

也不要做rehash(应该改源代码的哪里,如何改)。

建议对源代码做些改动、增加一些输出(建议用条件编译控制这些输出),以便于观察冲突的发生和解决;对于Open Addressing,参考代码的冲突解决方案是用的平方探测(quadratic probing),如果用线性探测(linear probing)的策略,应该对函数findPos做什么修改(冲突解决的策略都集中在那里)?2 观察不同的散列函数产生冲突散列地址的情况教科书上给了3个以字符串作输入的散列函数(两教科书第3个不一样),观察记录它们产生冲突散列地址的情况,写入你的实验报告。

还可对下列散列函数(所谓ELF hash,Unix System V用的)作观察int hash (const string & key){ // C++ versionunsigned long h = 0;for ( int i = 0; i < key.length( ); i++ ) {h = (h << 4) + key [ i ];unsigned long g = h & 0xF0000000L;if (g) h ^= g >> 24;h &= ~g;}return h; // % M}3 对散列表做查找。

程序代码:#include<stdio.h>#include<stdlib.h>#include "hashquad.h"#include<string.h>#define MinTableSize 26typedef unsigned int Index;typedef Index Position;struct HashTbl;typedef struct HashTbl *HashTable;enum KindOfEntry { Legitimate, Empty, Deleted };struct HashEntry{char *Element;enum KindOfEntry Info;};typedef struct HashEntry Cell;struct HashTbl{int TableSize;Cell *TheCells;};static int NextPrime( int N ){int i; int hash (char * key){ // C versionunsigned long h = 0;while ( *key ) {h = (h << 4) + *key ++;unsigned long g = h & 0xF0000000L;if (g) h ^= g >> 24;h &= ~g;}return h; // % M}if( N % 2 == 0 )N++;for( ; ; N += 2 ){for( i = 3; i * i <= N; i += 2 )if( N % i == 0 )goto ContOuter;return N;ContOuter: ;}}Index Hash( const char *Key, int TableSize ){return *Key % TableSize;}HashTable InitializeTable( int TableSize ){HashTable H;int i;/* 1*/ if( TableSize < MinTableSize ){/* 2*/ printf( "Table size too small" );/* 3*/ return NULL;}/* Allocate table *//* 4*/ H = (struct HashTbl *)malloc( sizeof( struct HashTbl ) );/* 5*/ if( H == NULL )/* 6*/ printf( "Out of space" );/* 7*/ H->TableSize = NextPrime( TableSize );/* Allocate array of Cells *//* 8*/ H->TheCells = (struct HashEntry *)malloc( sizeof( Cell ) * H->TableSize );/* 9*/ if( H->TheCells == NULL )/*10*/ printf( "Out of space" );/*11*/ for( i = 0; i < H->TableSize; i++ ){H->TheCells[i].Element=(char *)malloc(10*sizeof(char));H->TheCells[i].Info=Empty;}/*12*//*13*/ return H;}Position Find( char *Key, HashTable H ){Position CurrentPos;int CollisionNum;/* 1*/ CollisionNum = 0;/* 2*/ CurrentPos = Hash( Key, H->TableSize );//printf("%d\n",CurrentPos);/* 3*/ while( H->TheCells[ CurrentPos ].Info != Empty &&strcmp(H->TheCells[ CurrentPos ].Element,Key)!=0 )/* Probably need strcmp!! */{if (H->TheCells[ CurrentPos ].Element!= NULL)printf("冲突: %s and %s\n", H->TheCells[ CurrentPos ].Element,Key);/* 4*/ CurrentPos += 2 * ++CollisionNum - 1;/* 5*/ if( CurrentPos >= H->TableSize )/* 6*/ CurrentPos -= H->TableSize;}/* 7*/ return CurrentPos;}void Insert( char *Key, HashTable H ){Position Pos;Pos = Find( Key, H );if( H->TheCells[ Pos ].Info != Legitimate ){/* OK to insert here */H->TheCells[ Pos ].Info = Legitimate;strcpy(H->TheCells[ Pos ].Element,Key);/* Probably need strcpy! */}}/*char*Retrieve( Position P, HashTable H ){return H->TheCells[ P ].Element;}*/void DestroyTable( HashTable H ){free( H->TheCells );free( H );}void main(){int i,x,n;char s[10];HashTable H;char * MyBirds[13] = { "robin", "sparrow", "hawk", "eagle", "seagull", "bluejay", "owl", "cardinal", "Jakana", "Moa", "Egret", "Penguin", "hawk" };printf(" \n");printf("原来的MyBirds:\n\n");printf(" 字符串位置\n");for(i=0;i<13;i++)printf("%8s: %2d\n",MyBirds[i],i+1);/*printf(" \n");printf("生成散列表:\n");n=Hash( Key, H->TableSize );for(i=0;i<13;i++)printf("%8s: %2d\n",MyBirds[i],i+1);*/H=InitializeTable( 29 );printf(" \n");printf("生成散列表:\n\n");printf(" 字符串散列值位置\n");for(i=0;i<13;i++)Insert(MyBirds[i] , H );for(i=0;i<29;i++){if(H->TheCells[i].Info!=Empty)printf("%8s: %2d %d\n",H->TheCells[i].Element,x=Hash(H->TheCells[i].Element,29),n=Find( H->TheCells[i].Element,H));}printf("请输入要查找的值:");scanf("%s",s);for(i=0;i<29;i++){if(strcmp(H->TheCells[i].Element,s)==0)break;}if(i<29)printf("查找成功,位置在:%d\n ",Find( s,H));else printf("查找失败\n");DestroyTable( H );}。

相关文档
最新文档