GroupBy对字符串（hashcode碰撞）

2018-06-13 22:51:33

我有一个字符串数组（大约2000），并且我想使用IEnumerable.GroupBy来组合相等的。

问题是有很多散列冲突，比如“神秘”和“好”。这可能是由于GroupBy使用GetHashCode（） ，它返回的int太小（或者类String的GetHashCode函数没有很好地实现）。

我想你可以尝试实现一个重写的GetHashCode函数或定义一个自定义IEqualityComparer并使用不同的哈希码，但没有任何方法可以直接或不同地比较它们吗？我知道这需要更长的时间，但只有少量它是可以接受的。我怎么能解决这个问题？

不论是否具有相同的哈希码，GroupBy在字符串上只会将相同的字符串组合在一起。由于GroupBy使用哈希表下的哈希表，许多具有相同哈希代码的不同字符串可能会降低性能，但仍会给出正确的答案。

为了向你自己证明这一点，请注意，即使使用具有可怕哈希函数的自定义IEqualityComparer，GroupBy也可以很好地工作：

void Main()
{
    var groups = new[] { "a", "a", "b", "b", "c", "c" }.GroupBy(s => s, new BadComparer())
        .Select(g => string.Join(",", g))
        .ToArray();
    Console.WriteLine(string.Join(Environment.NewLine, groups));
    // this prints:
    // a,a
    // b,b
    // c,c      
}

public class BadComparer : IEqualityComparer<string> {
    public bool Equals(string a, string b) { return a == b; }
    public int GetHashCode(string s) { return 0; }
}

还要注意，根据字符串本身而不是哈希码进行分组非常重要：

myStrings.GroupBy(s => s) // works

myStrings.GroupBy(s => s.GetHashCode()) // doesn't work

链接地址: http://www.djcxy.com/p/39739.html

上一篇: GroupBy on strings (hashcode collision)

下一篇: What's the role of GetHashCode in the IEqualityComparer<T> in .NET?