HashSet для уникальных символов

Question

У меня есть массив characters, который я буду перебирать. Как только я нахожу персонажа, которого я раньше не нашел, я что-то делаю.

Это означает, что мне нужно отслеживать, какие персонажи я уже встречал. Мой первый выбор был HashSet, но я не уверен, что это правильный выбор, поскольку hashing один символ может занять больше времени, чем просто comparing двух символов. Интересно, правда ли это.

1. Является ли HashSet правильным выбором для этого, или есть лучшие варианты, которые, например, используют очень маленький хеш или вообще ничего.

Разъяснение свалка

Массив фактически два массива х мерный, которые я получаю от функции, написанной в колледже. Мне также нужно найти положение каждого персонажа. Позиция какого типа определенного типа не имеет значения, если функция не вызывается дважды для типа символа.

Что мне нужно знать, это все уникальные символы в многомерном массиве, а для каждого уникального символа - местоположение одного из них.

Answer 1

Если вас интересует только ASCII, тогда лучшим подходом будет массив размером 128 и литой в int.

boolean[] array = new bolean[128]; 
char c = 'a'; 
array[(int) c] = true; 

Любой вид более крупной кодировки, определенно просто использующий карту, я бы подумал.

Answer 2

Вы можете получить HashSet из массива, как:

char[] array = new[] { 'a', 'a', 'b', 'c', 'c' }; 
HashSet<char> hashSet = new HashSet<char>(array); 

Было бы лучше, чем подход сравнения и выявления дубликатов самостоятельно.

Answer 3

Если говорить о простом полукокса я думаю, что вы можете пойти с чем-то же просто, как:

bool[] map = new bool[256]; 

И для доступа к элементу:

map[(int)'a']; 

Answer 4

Если вы действительно беспокоитесь об оптимизации этого , то вы можете использовать таблицу поиска для ваших символов:

var lookup = Enumerable.Repeat(true, 256).ToArray(); 
var otherCharacters = HashSet<char>(); 

, тогда вы можете использовать поиск для «маленькие» персонажи, листать его true, когда нашли, и использовать otherCharacters для юникода вещи ...

Что-то вроде этого:

foreach (var c in myListOfChars) 
{ 
    try 
    { 
     if (!lookup[(int)c]) { // do something } 
     lookup[(int)c] = true; 
    } 
    catch (IndexOutOfRangeException e) 
    { 
     if (!otherCharacters.Contains(c)) { // do something } 
     otherCharacters.Add(c); 
    } 
} 

Это ударит медленный бит для символов за пределами диапазона таблицы поиска, которая в зависимости от вашего языка является приемлемой или нет. Для латинских наборов символов это должно работать нормально!

Теперь ... не весь мир работает в диапазоне ascii/latin-1 ..., проходя через тексты на арабском языке, потребуется другой диапазон.

EDIT: Гм ... Я только что проверил вывод GetHashCode() для чисел ... ну ... получается, что хэш-код для int является сам ИНТ ... так оптимизации с нашими таблица поиска, вероятно, просто глупо ... Я собираюсь проверить реализацию HashSet далее ...