摘要：hashCode函数是java中一个比较重要的函数，在工程上有较多的应用。如何用python和C++实现相同的功能呢？其难点在于java内部编码统一为unicode，而python和C++的编码形式比较多样，同样的函数使用不同的编码得到的结果可能不一样（甚至python2和python3都不一样）。本文主要就此进行介绍。
一，java的hashCode函数实现：
public int hashCode()
{
int h = hash;
if (h == 0 && value.length > 0)
{
char val[] = value;
for (int i = 0; i < value.length; i++)
{
h = 31 * h + val[i];
}
hash = h;
}
return h;
}我们对中文字符串“玄幻”进行hashCode：
public class Java_HashCode {
public static void main(String args[])
{
String str= "玄幻";
long hashValue = str.hashCode();
System.out.println(hashValue);
}
}结果如下：
940919二，Python的hashCode函数实现：
def hashCode(s):
seed = 31
h = 0
for c in s:
h = int32(seed * h) + ord(c)
return h从形式上，与java的hashCode函数一致，但python与java在编码形式上具有不同。Java内码统一为unicode, 而python的编码问题是python核心难点之一，而且python2和python3还有区别，这就导致在实现字符串hashCode的时候，可能出现与Java不同的hash值。例如，对“玄幻”这个中文字符串进行上面的hashCode：
#-*- coding: utf-8 -*-
tagList=["玄幻"]
print(tagList)
for tag in tagList:
print(type(tag))
print(tag)
hashValue = hashCode(tag)
print(hashValue)python3.6的结果是：
['玄幻']
<class 'str'>
玄幻
940919python2.7的结果是：
['\xe7\x8e\x84\xe5\xb9\xbb']
<type 'str'>
玄幻
-1841302326我们发现，python3结果与java一致，而python2则不同，为什么会有这种差别呢？我们看看在hashCode函数中插入日志，如下：
def hashCode(s):
seed = 31
h = 0
for c in s:
print(type(c)) #打印字符类型
print(c) #打印字符
h = int32(seed * h) + ord(c)
return h再次对字符串“玄幻”进行hashCode:
python3.6的结果是：
['玄幻']
<class 'str'>
玄幻
<class 'str'>
玄
<class 'str'>
幻
940919python2.7的结果是：
['\xe7\x8e\x84\xe5\xb9\xbb']
<type 'str'>
玄幻
<type 'str'>
�
<type 'str'>
�
<type 'str'>
�
<type 'str'>
�
<type 'str'>
�
<type 'str'>
�
-1841302326hashCode函数需要遍历字符串每一个字符，我们可以看到，python3在处理“玄幻”这个中文字符串时，是作为2个字符处理的，而python2则是当作6个字符(每个中文字符在linux下占3个utf-8编码)。如果对此有疑问，可以参考我之前的博客
如果是python2，要想得到与java和python3一样的hash结果，需要将编码解码为unicode格式。如下：
#-*- coding: utf-8 -*-
tagList=["玄幻"]
print(tagList)
for tag in tagList:
print(type(tag))
print(tag)
print(tag.decode("utf-8"))
hashValue = hashCode(tag.decode("utf-8"))
print(hashValue)得到结果为：
['\xe7\x8e\x84\xe5\xb9\xbb']
<type 'str'>
玄幻
玄幻
<type 'unicode'>
玄
<type 'unicode'>
幻
940919三，C++的hashCode函数实现：
先上结论: 需要通过类型转化将字符转为宽字符类型, 才能将utf-8编码解码为unicode，之后再做hash。
关于字符编码转换，如果是windows上，一般常用的方法是调用wcstombs、mbstowcs 函数，和 windows API 的 MultiByteToWideChar 与 WideCharToMultiByte 函数来完成向 Unicode 的转入和转出。但是，Linux下则无法使用这些函数，可以参考
在C++中实现hashCode函数，如下：
std::wstring s2ws(const std::string& str) {
if (str.empty()) {
return L"";
}
unsigned len = str.size() + 1;
setlocale(LC_CTYPE, "en_US.UTF-8");
wchar_t *p = new wchar_t[len];
mbstowcs(p, str.c_str(), len);
std::wstring w_str(p);
delete[] p;
return w_str;
}
int32_t hashCode(const std::string& str) {
int32_t h = 0;
//SoDebug("strlength is: %u",str.length());
std::wstring wstr=s2ws(str);
//SoDebug("wstr.length is %u",wstr.length());
if (h == 0 && wstr.length() > 0) {
for (uint32_t i = 0; i < wstr.length(); i++) {
h = 31 * h + wstr.at(i);
}
}
return h;
}
