🌻个人主页：路飞雪吖~
🌠专栏：C/C++
目录
一、unordered系列关联式容器
🌟unordered_map
⭐unordered_map接口说明
二、底层结构
🌟哈希概念
🌟哈希冲突
🌟哈希函数
🌟哈希冲突解决
⭐闭散列
✨闭散列的实现(线性探测)
🌠 基本框架
🌠 构造
🌠 Find()
🌠 Erase()
🌠 Insert()
⭐闭散列完整代码
⭐开散列
✨开散列的实现
🌠基本框架
🌠Find()
🌠Erase()
🌠Insert()
⭐开散列完整代码
一、unordered系列关联式容器
在C++98中，STL提供了底层为红黑树结构的一系列关联式容器，在查询时效率可达到 log₂ N，即最差情况下需要比较红黑树的高度次，当树中的节点非常多时，查询效率也不理想。最好 的查询是，进行很少的比较次数就能够将元素找到，因此在C++11中，STL又提供了4个 unordered系列的关联式容器（unordered_map、unordered_set、unordered_multimap、unordered_multiset），这四个容器与红黑树结构的关联式容器使用方式基本类似，只是 其底层结构不同。因为使用方式基本类似，所以本文章只介绍unordered_map，其余的可查看相关文档哦~
🌟unordered_map
1. unordered_map是存储键值对的关联式容器，其允许通过keys快速的索引到与 其对应的value。
2. 在unordered_map中，键值通常用于惟一地标识元素，而映射值是一个对象，其内容与此 键关联。键和映射值的类型可能不同。
3. 在内部,unordered_map没有对按照任何特定的顺序排序, 为了能在常数范围内 找到key所对应的value，unordered_map将相同哈希值的键值对放在相同的桶中。
4. unordered_map容器通过key访问单个元素要比map快，但它通常在遍历元素子集的范围迭 代方面效率较低。
5. unordered_maps实现了直接访问操作符(operator[])，它允许使用key作为参数直接访问 value。
6. 它的迭代器至少是前向迭代器。
⭐unordered_map接口说明
<1> 构造
| 函数声明 | 功能介绍 |
| unordered_map | 构造不同格式的unordered_map对象 |
<2>容量
| 函数说明 | 功能介绍 |
| bool empty() const | 检测unordered_map是否为空 |
| size_t size() const | 获取unordered_map的有效元素个数 |
<3>迭代器
| 函数说明 | 功能介绍 |
| begin() | 饭返回unordered_map第一个元素的迭代器 |
| end() | 返回unordered_map最后一个元素的下一个位置的迭代器 |
| cbegin() | 返回unordered_map第一个元素的const迭代器 |
| cend() | 返回unordered_map最后一个元素下一个位置的const迭代器 |
<4>元素访问
| 函数声明 | 功能介绍 |
| operator[ ] | 返回key对应的value，没有一个默认值 |
🌠注意：
该函数中实际调用哈希桶的插入操作，用参数key与V()构造一个默认值往底层哈希桶 中插入，如果key不在哈希桶中，插入成功，返回V()，插入失败，说明key已经在哈希桶中， 将key对应的value返回。
<5>查询
| 函数说明 | 功能介绍 |
| iterator find ( const K& key ) | 返回key在哈希桶中的位置 |
| size_t count ( const K& key ) | 返回哈希桶中关键码为key的键值对的个数 |
注意：unordered_map中key是不能重复的，因此count函数的返回值最大为1。
<6>修改操作
| 函数声明 | 功能介绍 |
| insert () | 向容器中插入键值对 |
| erase () | 删除容器中的键值对 |
| void clear () | 清空容器中的有效元素个数 |
| void swap ( unordered_map& ) | 交换两个容器中的元素 |
<7> 桶操作
| 函数声明 | 功能介绍 |
| size_t bucket count () const | 返回哈希桶中桶的个数 |
| size_t bucket size ( size_t n) const | 返回 n 号桶中有效元素的总个数 |
| size_t bucket ( const K& key ) | 返回元素 key 所在的桶号 |
二、底层结构
unordered系列的关联式容器之所以效率比较高，是因为其底层使用了哈希结构。
🌟哈希概念
顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素 时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即
O( log₂ N)，搜索的效率取决于搜索过程中元素的比较次数。
理想的搜索方法：可以不经过任何比较，一次直接从表中得到要搜索的元素。 如果构造一种存储结构，通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立 一一映射的关系，那么在查找时通过该函数可以很快找到该元素。
当向该结构中：
• 插入元素
根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放
• 搜索元素
对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置 取元素比较，若关键码相等，则搜索成功
该方式即为哈希(散列)方法，哈希方法中使用的转换函数称为哈希(散列)函数，构造出来的结构称 为哈希表(Hash Table)(或者称散列表)
用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快。
🌟哈希冲突
不同关键字通过相同哈希哈数计算出相同的哈希地址，该种现象称为哈希冲突 或哈希碰撞。
把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。
🌟哈希函数
哈希是一种思想（值和值建立映射关系）；
哈希表才是一种数据结构（值和存储位置建立映射关系，值放到映射存储位置，方便快速查找）。
常见哈希函数
1. 直接定址法--(常用)
取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B
优点：简单、均匀
缺点：需要事先知道关键字的分布情况
使用场景：适合查找比较小且连续的情况
2. 除留余数法--(常用)
设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数， 按照哈希函数：Hash(key) = key% p(p将关键码转换成哈希地址。
🌠注意：
哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突。
🌟哈希冲突解决
⭐闭散列
闭散列：也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有 空位置，那么可以把key存放到冲突位置中的“下一个” 空位置中去。
线性探测：从发生冲突的位置开始，依次向后探测，直到寻找到下一个空位置为止。
• 插入
<1>通过哈希函数获取待插入元素在哈希表中的位置 如果该位置中没有元素则直接插入新元素，如果该位置中有元素发生哈希冲突;
<2>使用线性探测找到下一个空位置，插入新元素。
• 删除
采用闭散列处理哈希冲突时，不能随便物理删除哈希表中已有的元素，若直接删除元素 会影响其他元素的搜索。比如删除元素4，如果直接删除掉，44查找起来可能会受影 响。因此线性探测采用标记的伪删除法来删除一个元素。
// 哈希表每个空间给个标记
// EMPTY此位置空， EXIST此位置已经有元素， DELETE元素已经删除
enum State
{
EMPTY,
EXIST,
DELETE
}; ✨闭散列的实现(线性探测)
🌠 基本框架
//查找时，遇到删除不能停
enum State//存在 删除 的位置都可以继续查找
{
EXIST,//存在
EMPTY,//空
DELETE//删除
};
template<class K, class V>
struct HashData
{
pair<K, V> _kv;//数据
State _state = EMPTY;//（开始是空）状态标识
};
template<class K, class V>//Hash传的是有符号的负数、指针、字符串时用传的缺省值，都能完美解决取模的问题
class HashTable
{
public:
//...
private:
vector<HashData<K, V>> _tables;
size_t _n = 0;//表中存储数据的个数（声明）
};• State 给哈希表每个空间标记状态；
• HashData 哈希表里面不仅要存数据，还要存状态，以便产生冲突或者删除时，进行操作；
• vector<HashData<K, V>> 我们用vector容器来存储哈希表。
🌠 构造
//构造
HashTable()
{
_tables.resize(10);//直接开10，间接保证了size和capacity是一样大的
}🌠 Find()
1、先算出要查找的 key 在表里的位置；
2、在该位置进行判断，如果该位置存放有数据，就看存放的数据是否为要查找的数据，如果为要查找的数据就返回对应的地址；如果不是就去表的下一个位置继续循环查找。
3、没有就返回空。
HashData<K, V>* Find(const K& key)
{
//先算在这个表里的位置
size_t hashi = key % _tables.size();
while (_tables[hashi]._state != EMPTY)
{
if (_tables[hashi]._state == EXIST//状态要为存在，不然查找时还能找出被删除 之前数据的地址
&& _tables[hashi]._kv.first == key)
{
return &_tables[hashi];//相等返回对应的地址
}
++hashi;//没有就++
hashi %= _tables.size();//去表的下一个位置继续循环找
}
return nullptr;//没有返回空
}🌠 Erase()
复用Find()，如果不存在返回false，如果存在，则修该空间的状态，不用进行删除。
bool Erase(const K& key)
{
HashData<K, V>* ret = Find(key);//直接进行查找
if (ret == nullptr)
{
return false;
}
else
{
ret->_state = DELETE;//直接改状态，不用抹除
return true;
}
}🌠 Insert()
1、先判断要插入的值，是否跟表里的值重合；
2、 判断是否要扩容：要扩多大？
• 散列表的载荷因子： a = 填入表中的元素个数 / 散列表的长度 ，即插入数据的比重， 规定严格限制在 0.7~0.8 以下。
• (1) 不能直接扩容，直接扩容会导致映射关系发生改变，不建议使用；
(2) 开2倍大的空间，然后遍历旧表，将所有数据映射到新表，会导致旧表的冲突也会 带到新表，所以不建议使用；
• 开2倍的空间，把旧表的数据插入到新表；
3、计算出要插入数据在表中的位置，发生冲突就往下一个位置插入。
bool Insert(const pair<K, V>& kv)
{
if (Find(kv.first))//不允许冗余
{
return false;
}
//扩容
//if (_n / _tables.size() == 0.7)
if (_n * 10 / _tables.size() >= 7)
{
//不能在这直接扩容（resize），因为当size变了，映射关系就变了
//_tables.resize(_tables.size() * 2);
//vector<HashData<K, V>> newTable(_tables.size() * 2);//扩容等于原来链表的2倍
遍历旧表，将所有数据映射到新表
...
//_tables.swap(newTables);//这个方法会导致，原本旧表的，冲突也会带到新表里面，在新表里还得再走一次冲突
HashTable<K, V, Hash> newHT;
newHT._tables.resize(_tables.size() * 2);
for (size_t i = 0; i < _tables.size(); i++)//遍历原来的旧表
{
if (_tables[i]._state == EXIST)//旧表的对应位置，它的状态为存在，就放到新表里面去
{
newHT.Insert(_tables[i]._kv);
}
}
_tables.swap(newHT._tables);
}
//字符、指针不能取模（写一个能把字符、字符串、指针转为数字的模板，就能取模）
size_t hashi = kv.first % _tables.size();//找数据存储的位置（除以存有数据的长度，而不是capacity）
while (_tables[hashi]._state == EXIST)//存在就++，去下一个位置找
{
++hashi;
hashi %= _tables.size();//去下一个位置找
}
_tables[hashi]._kv = kv;//存值
_tables[hashi]._state = EXIST;//改为存在状态
++_n;//数据个数
return true;
}我们在表中中存入的数据，不仅仅是整数，还有字符串、有符号的负数、指针等等，当我们计算这些数据存在表的位置时，字符串我们如何取模？为此我们需要写一个特殊的模板，来进行解决这个问题。
template<class K>
struct HashFunc//当是浮点数、有符号的负数、指针，此时取模都能完美的解决
{
size_t operator()(const K& key)
{
return (size_t)key;//强制转换
}
};
//模板特化（要有原模版才能特化）
template<>
struct HashFunc<string>//当是字符串时，返回数字能解决，取模的问题
{
size_t operator()(const string& key)
{
size_t hash = 0;
for (auto e : key)
{
hash *= 31;//降低ASCII相加后的重复率
hash += e;//ASCII码相加
}
return hash;
}
};⭐闭散列完整代码
template<class K>
struct HashFunc//当是浮点数、有符号的负数、指针，此时取模都能完美的解决
{
size_t operator()(const K& key)
{
return (size_t)key;//强制转换
}
};
//模板特化（要有原模版才能特化）
template<>
struct HashFunc<string>//当是字符串时，返回数字能解决，取模的问题
{
size_t operator()(const string& key)
{
size_t hash = 0;
for (auto e : key)
{
hash *= 31;//降低ASCII相加后的重复率
hash += e;//ASCII码相加
}
return hash;
}
};
namespace open_address//闭散列
{
//查找时，遇到删除不能停
enum State//存在 删除 的位置都可以继续查找
{
EXIST,//存在
EMPTY,//空
DELETE//删除
};
template<class K, class V>
struct HashData
{
pair<K, V> _kv;//数据
State _state = EMPTY;//（开始是空）状态标识
};
template<class K, class V, class Hash = HashFunc<K>>//Hash传的是有符号的负数、指针、字符串时用传的缺省值，都能完美解决取模的问题
class HashTable
{
public:
//构造
HashTable()
{
_tables.resize(10);//直接开10，间接保证了size和capacity是一样大的
}
bool Insert(const pair<K, V>& kv)
{
if (Find(kv.first))//不允许冗余
{
return false;
}
//扩容
//if (_n / _tables.size() == 0.7)
if (_n * 10 / _tables.size() >= 7)
{
//不能在这直接扩容（resize），因为当size变了，映射关系就变了
//_tables.resize(_tables.size() * 2);
//vector<HashData<K, V>> newTable(_tables.size() * 2);//扩容等于原来链表的2倍
遍历旧表，将所有数据映射到新表
...
//_tables.swap(newTables);//这个方法会导致，原本旧表的，冲突也会带到新表里面，在新表里还得再走一次冲突
HashTable<K, V, Hash> newHT;
newHT._tables.resize(_tables.size() * 2);
for (size_t i = 0; i < _tables.size(); i++)//遍历原来的旧表
{
if (_tables[i]._state == EXIST)//旧表的对应位置，它的状态为存在，就放到新表里面去
{
newHT.Insert(_tables[i]._kv);
}
}
_tables.swap(newHT._tables);
}
//字符、指针不能取模（写一个能把字符、字符串、指针转为数字的模板，就能取模）
Hash hs;
size_t hashi = hs(kv.first) % _tables.size();//找数据存储的位置（除以存有数据的长度，而不是capacity）
while (_tables[hashi]._state == EXIST)//存在就++，去下一个位置找
{
++hashi;
hashi %= _tables.size();//去下一个位置找
}
_tables[hashi]._kv = kv;//存值
_tables[hashi]._state = EXIST;//改为存在状态
++_n;//数据个数
return true;
}
HashData<K, V>* Find(const K& key)
{
Hash hs;
//先算在这个表里的位置
size_t hashi = hs(key) % _tables.size();
while (_tables[hashi]._state != EMPTY)
{
if (_tables[hashi]._state == EXIST//状态要为存在，不然查找时还能找出被删除 之前数据的地址
&& _tables[hashi]._kv.first == key)
{
return &_tables[hashi];//相等返回对应的地址
}
++hashi;//没有就++
hashi %= _tables.size();//去表的下一个位置继续循环找
}
return nullptr;//没有返回空
}
bool Erase(const K& key)
{
HashData<K, V>* ret = Find(key);//直接进行查找
if (ret == nullptr)
{
return false;
}
else
{
ret->_state = DELETE;//直接改状态，不用抹除
return true;
}
}
private:
vector<HashData<K, V>> _tables;
size_t _n = 0;//表中存储数据的个数（声明）
};
//不需要写析构函数
//它有自定义类型（会调用自己的析构,_tables会自己释放掉）（会调用深拷贝）和内置类型（会调用浅拷贝）
void testHT1()
{
HashTable<int, int> ht;
int a[] = { 11,21,4,14,24,15,9 };
for (auto e : a)
{
ht.Insert({ e,e });
}
ht.Insert({ 19,19 });
ht.Insert({ 19,191 });
ht.Insert({ 19,190 });
cout << ht.Find(24) << endl;
ht.Erase(4);
cout << ht.Find(24) << endl;
cout << ht.Find(4) << endl;
}
struct StringHashFunc//支持把string转成整型
{//支持字符串取模
size_t operator()(const string& s)
{
size_t hash = 0;
for (auto e : s)
{
hash *= 31;
hash += e;//ASCII码相加
}
return hash;
}
};
void TestHT2()
{
//两层映射
//string -> size_t -> n
HashTable<string, string, StringHashFunc> ht;
ht.Insert({ "sort","排序" });//字符不能取模
ht.Insert({ "left","左边" });
cout << StringHashFunc()("bacd") << endl;
cout << StringHashFunc()("abcd") << endl;
cout << StringHashFunc()("aadd") << endl;
}
}不需要写析构函数;
它有自定义类型（会调用自己的析构,_tables会自己释放掉)(会调用深拷贝）和内置类型（会调用浅拷贝）。
⭐开散列
开散列概念：
开散列法又叫链地址法(开链法)，首先对关键码集合用散列函数计算散列地址，具有相同地 址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个单链表链 接起来，各链表的头结点存储在哈希表中。
✨开散列的实现
🌠基本框架
• HashNode 表中的每个空间要存 数据 和 下一个的指针；
• vector<Node*> _tables; 本质是一个指针数组；
template<class K,class V>
struct HashNode
{
pair<K, V> _kv;
HashNode<K, V>* _next;
HashNode(const pair<K,V>& kv)
:_kv(kv)
,_next(nullptr)
{}
};
template<class K,class V, class Hash = HashFunc<K>>
class HashTable
{
typedef HashNode<K, V> Node;
public:
//...
private:
//vector<list<pair<K, V>>> _tables;//指针数组
vector<Node*> _tables;//本质是一个指针数组
size_t _n = 0;//表中存储的数据个数数据
};🌠Find()
先算要查找的数据在表中的位置（桶），在桶中进行一一查找。
Node* Find(const K& key)
{
Hash hs;
size_t hashi = hs(key) % _tables.size();//先算在表里面的位置
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
return cur;
}
cur = cur->_next;
}
return nullptr;
}🌠Erase()
• 要依次删除每个桶中的数据；
• 删除桶中的数据时，要注意数据前后的链接。
bool Erase(const K& key)
{
size_t hashi = key % _tables.size();
Node* prev = nullptr;
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
//有这个结点，进行删除，分情况进行讨论
if (prev == nullptr)
{
//没有前一个，直接指向下一个
_tables[hashi] = cur->_next;
}
else
{
//有前一个，就让前一个的next指向我的后一个
prev->_next = cur->_next;
}
delete cur;
--_n;
return true;
}
prev = cur;
cur = cur->_next;
}
return false;
}🌠Insert()
• 先算出插入数据在表中的位置；
• 判断是否需要扩容；
• 在桶中进行头插：
bool Insert(const pair<K, V>& kv)
{
Hash hs;
size_t hashi = hs(kv.first) % _tables.size();//取模算出hashi对应的位置出来
//控制负载因子
//负载因子==1 扩容
//负载因子越低，空间效率越低，时间效率越高
//负载因子越高，空间效率越高，时间效率越低
if (_n == _tables.size())//负载因子到1，进行扩容
{
//新开结点
/*HashTable<K, V> newHT;
newHT._tables.resize(_tables.size() * 2);
for (size_t i = 0; i < _tables.size(); i++)//遍历原来的旧表
{
Node* cur = _tables[i];
while (cur)//遍历桶
{
newHT.Insert(cur->_kv);//把所以旧表的数据，插入到新表里面
cur = cur->_next;
}
}
_tables.swap(newHT._tables);//新表和旧表进行交换*/
//直接挪动结点
vector<Node*> newtables(_tables.size() * 2, nullptr);
for (size_t i = 0; i < _tables.size(); i++)//遍历原来的旧表
{
Node* cur = _tables[i];
while (cur)//遍历桶
{
//提前保存下一个结点，不然下次找不到
Node* next = cur->_next;
//直接把旧表中的结点，挪到新表重新映射的位置
size_t hashi = hs(cur->_kv.first) % newtables.size();//在新表找到对应的位置
//头插到新表
cur->_next = newtables[hashi];//我先指向桶的第一个
newtables[hashi] = cur;//把桶的第一个给我
cur = next;
}
_tables[i] = nullptr;//桶的第一个指向空
}
_tables.swap(newtables);
}
//头插
Node* newnode = new Node(kv);
//找到位置，进行头插
newnode->_next = _tables[hashi];//（第一个的地址在表里面）表里面指向桶里的第一个
_tables[hashi] = newnode;//把桶里面的第一个给newnode（在桶里面头插）
++_n;
return true;
}⭐开散列完整代码
namespace hash_bucket//开散列
{
template<class K,class V>
struct HashNode
{
pair<K, V> _kv;
HashNode<K, V>* _next;
HashNode(const pair<K,V>& kv)
:_kv(kv)
,_next(nullptr)
{}
};
template<class K,class V, class Hash = HashFunc<K>>
class HashTable
{
typedef HashNode<K, V> Node;
public:
//构造
HashTable()
{
_tables.resize(10, nullptr);
}
//要写析构，vector释放的时候，不会释放桶里面（挂在下面的链表）的数据（内置类型），指针不会调用析构函数
~HashTable()
{
//依次把每个桶释放
for (size_t i = 0; i < _tables.size(); i++)
{
Node* cur = _tables[i];
while (cur)
{
Node* next = cur->_next;//先保存下一个数据
delete cur;//再释放
cur = next;
}
_tables[i] = nullptr;
}
}
bool Insert(const pair<K, V>& kv)
{
Hash hs;
size_t hashi = hs(kv.first) % _tables.size();//取模算出hashi对应的位置出来
//控制负载因子
//负载因子==1 扩容
//负载因子越低，空间效率越低，时间效率越高
//负载因子越高，空间效率越高，时间效率越低
if (_n == _tables.size())//负载因子到1，进行扩容
{
//新开结点
/*HashTable<K, V> newHT;
newHT._tables.resize(_tables.size() * 2);
for (size_t i = 0; i < _tables.size(); i++)//遍历原来的旧表
{
Node* cur = _tables[i];
while (cur)//遍历桶
{
newHT.Insert(cur->_kv);//把所以旧表的数据，插入到新表里面
cur = cur->_next;
}
}
_tables.swap(newHT._tables);//新表和旧表进行交换*/
//直接挪动结点
vector<Node*> newtables(_tables.size() * 2, nullptr);
for (size_t i = 0; i < _tables.size(); i++)//遍历原来的旧表
{
Node* cur = _tables[i];
while (cur)//遍历桶
{
//提前保存下一个结点，不然下次找不到
Node* next = cur->_next;
//直接把旧表中的结点，挪到新表重新映射的位置
size_t hashi = hs(cur->_kv.first) % newtables.size();//在新表找到对应的位置
//头插到新表
cur->_next = newtables[hashi];//我先指向桶的第一个
newtables[hashi] = cur;//把桶的第一个给我
cur = next;
}
_tables[i] = nullptr;//桶的第一个指向空
}
_tables.swap(newtables);
}
//头插
Node* newnode = new Node(kv);
//找到位置，进行头插
newnode->_next = _tables[hashi];//（第一个的地址在表里面）表里面指向桶里的第一个
_tables[hashi] = newnode;//把桶里面的第一个给newnode（在桶里面头插）
++_n;
return true;
}
Node* Find(const K& key)
{
Hash hs;
size_t hashi = hs(key) % _tables.size();//先算在表里面的位置
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
return cur;
}
cur = cur->_next;
}
return nullptr;
}
bool Erase(const K& key)
{
size_t hashi = key % _tables.size();
Node* prev = nullptr;
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
//有这个结点，进行删除，分情况进行讨论
if (prev == nullptr)
{
//没有前一个，直接指向下一个
_tables[hashi] = cur->_next;
}
else
{
//有前一个，就让前一个的next指向我的后一个
prev->_next = cur->_next;
}
delete cur;
--_n;
return true;
}
prev = cur;
cur = cur->_next;
}
return false;
}
private:
//vector<list<pair<K, V>>> _tables;//指针数组
vector<Node*> _tables;//本质是一个指针数组
size_t _n = 0;//表中存储的数据个数数据
};
void TestHT1()
{
HashTable<int, int> ht;
int a[] = { 11,21,4,14,24,15,9,19,29,39,49 };
for (auto e : a)
{
ht.Insert({ e,e });
}
ht.Insert({ -6,6 });
for (auto e : a)
{
ht.Erase(e);
}
}
void TestHT2()
{
HashTable<string, string> ht;
ht.Insert({ "sort", "排序" });
ht.Insert({ "left", "左边" });
}
}如若对你有帮助，记得点赞、收藏、关注哦！
若有误，望各位，在评论区留言或者私信我 指点迷津！！！谢谢^ ^ ~
