PHP關聯陣列與雜湊表(hash table) 不指定

PHP中有一種資料類型非常重要，它就是關聯陣列，又稱為雜湊表（hash table），是一種非常好用的資料結構。

在程式中，我們可能會遇到需要消重的問題，舉一個最簡單的模型：

有一份使用者名稱列表，儲存了 10000 個使用者名稱，沒有重複項；

還有一份黑名單列表，儲存了 2000 個使用者名稱，格式與使用者名稱列表相同；

現在需要從使用者名稱列表中刪除處在黑名單裡的使用者名稱，要求用盡量快的時間處理。

這個問題是一個小規模的處理量，如果實際一點，2 個表都可能很大，比如有 2 億條記錄。

我最開始想到的方法，就是做一個嵌套的迴圈，設使用者名稱表有 M 條記錄，黑名單列表有 N 條記錄，那麼，迴圈的次數是 M * N 次！

PHP 版代碼：

<?php  foreach($arrayM as $keyM => $nameM) {  foreach($arrayN as $nameN) {  if ($nameM == $nameN) {  // 本行執行了 M * N 次！  unset($arrayM[$keyM]);  }  }  }  return $arrayM;  ?>

另一種方式，利用數組索引。

PHP 是一種弱類型的語言，不像 C 語言那樣有嚴格的變數類型限制。C 語言的數組，每一個元素的類型必須一致，而且索引都是從 0 開始。

PHP 的數組，可以用字串作為索引，也稱為關聯陣列。

數組索引，有一個天然的限制就是不會重複，而且訪問的時候不需要尋找，可以直接定位。

還是剛才的那個問題，我們採用另一種辦法。

把黑名單列表的使用者名稱組織到一個數組裡，數組的索引就是使用者名稱。

然後，遍曆使用者列表的時候，只需直接用 isset 查詢那個使用者名稱是否存在即可。

查看本欄目更多精彩內容：http://www.bianceng.cnhttp://www.bianceng.cn/webkf/PHP/

PHP 版代碼：

<?php  $arrayHash = array();  foreach($arrayN as $nameN) {  // 本行執行了 N 次。  $arrayHash[$nameN] = 1;  }       foreach($arrayM as $keyM => $nameM) {  if (isset($arrayHash[$nameM])) {  // 本行執行了 M 次！  unset($arrayM[$keyM]);  }  }  return $arrayM;  ?>

可以看到，最佳化過的代碼，迴圈次數是 M + N 次。

假如 M 和 N 都是 10000，最佳化前，迴圈了 1 億次；最佳化後，只迴圈了 20000 次，差了 5000 倍！

如果第二個程式耗時 1 秒，則第一個程式需要將近一個半小時！

=========================================================================

hash一個貌似比較複雜的東西，實際上理解起來並不那麼誇張，這裡做個筆記。

hash，中文翻譯成雜亂的東西，有人也叫它雜湊，或者翻譯成什麼都不是的音譯“雜湊”。

簡單說來，hash就是為了把一個複雜的字串，通過一定的轉換，得到一個簡單的數字（通常是數字）。

如"abcd" 用各個字元的值直接相加，再取對10的餘數，既（a+b+c+d），來得到一個數字，比方說結果為5，那麼這個5就能在一定意義上代表這個字串 abcd了。或者說這個5也可以說是這個字串的一個標記性的東西，而且是簡化了的標記，所以又有人叫這個5為字串的摘要，或指紋。

這個5，有一個好的用處就是可以作為一個數組的下標來用，如我自己構造一個指標數組void* hash_array[10]，那麼我就可以把5那個位置上填上一個指標，如指向abcd字串。

這樣的話，我如果要去查詢一個字串是否存在，就不需要對一個數組使用字串迴圈對比這樣的慢操作，而直接先得到某個字串的hash值，再用這個hash值，在數組下標裡直接找，這樣速度要快上很多，特別是資料比較多的時候。

可以看到上面計算hash值時，出來的結果，可能並不是從0開始的，如我們算出的就是5。也就是說，這個5是在數組中的某個不確定的位置，或者可以叫做是一個雜湊出來的位置。其他位置可能一直就空著在。這就是這個數組或表格叫hash表的原因了。

但有個問題，上面的轉換方法，直接相加，再取個餘數，在字串變為abdc時，結果得到的還是數字5。這個就是上面這個演算法的一個問題了，即它不能保證一個唯一性。所以就出現了很多hash演算法的研究，如MD4，MD5，SHA-1等，來保證唯一性。

但上面這個演算法還是可以使用的，做法就是在abdc經過hash得到5後，去檢查5是否被佔用，如果佔用了，那麼就把數字加1，即為6，如果6沒被佔用，就填上值。如果後面某個字串算出一個值是6，但6已經被佔用了，那麼就再加1，再存。

取資料的時候，可以先算出hash值後，再看裡面的內容是不是你想要的，如果不是，就加1去看，最後得到一個。

所以這裡hash表的內容並不是象一般的數組最開始就組織好了的，而是後續慢慢往裡增加的。

hash表裡存的內容一般可以是一個指標，這個指標可以指向一個大的結構也是可以的。這個結構裡可以有key, value資訊。

hash表也可以不是數組，你可以把它組織成一個鏈表，鏈表裡的node的結構中可以有一個參數就是那個數位hash_value，用來快速尋找用。

雖然在很多時候hash被用在加密等場合，但在一般的應用程式代碼中，也可以用它來存貯簡單的資料，這樣代碼的效率會高很多。