算法题：🔍哈希表的妙用——从“找最长连续数”到“字母异位词分组”引言在算法世界中，哈希表（Hash Table）是

引言

在算法世界中，哈希表（Hash Table） 是一个非常强大又常用的工具。它不仅能实现快速查找，还能用于数据归类、去重、统计等任务。

今天，我们就通过两道经典的 LeetCode 题目：

LeetCode 128. 最长连续序列（Longest Consecutive Sequence）
LeetCode 49. 字母异位词分组（Group Anagrams）

来一起看看 哈希表的两种典型应用场景。

哈希表

什么是哈希表？

哈希表（Hash Table）是一种用“键”来快速查找数据的数据结构。你可以把它想象成一个“超级快的字典”：你给它一个“关键词”（key），它就能立刻告诉你对应的“内容”（value）。

比如：

你问：“‘apple’对应的中文是什么？”
哈希表立刻回答：“‘苹果’。

哈希表的基本用法

哈希表最常用的两种形式是：

字典（map） ：存储键值对，比如 { "name": "小明" }
集合（set） ：存储唯一值，比如 {1, 2, 3}

在不同的编程语言中，哈希表可能有不同的名称：

在 Python 中，它叫 dict（字典）
在 C++ 中，它叫 unordered_map
在 Java 中，它叫 HashMap

无论叫什么名字，它们的核心功能都差不多：快速查找、插入和删除。

哈希表的三大特点

查找特别快
不管里面有多少数据，查找一个值是否存在，或者查找某个 key 对应的 value，几乎都是“瞬间完成”的。
插入和删除也快
添加或删除一个数据也非常高效。
可以用来去重、归类、统计

用集合（set）去掉重复的数字
用字典（map）统计每个单词出现的次数
把相同特征的数据归类在一起（比如字母异位词分组

常见操作及方法

1. 插入数据

插入数据就是给哈希表添加一个新的键值对。

unordered_map<string, string> myMap;
myMap["apple"] = "苹果";

2. 查找数据

查找数据是通过键来获取对应的值。

if (myMap.find("apple") != myMap.end()) {
    cout << myMap["apple"] << endl;  // 输出: 苹果
}

3. 删除数据

删除数据是根据键来移除相应的键值对。

myMap.erase("apple");

4. 遍历哈希表

遍历哈希表可以查看所有的键值对。

for (auto& pair : myMap) {
    cout << pair.first << ": " << pair.second << endl;
}

5. 检查键是否存在

检查某个键是否存在于哈希表中。

if (myMap.find("apple") != myMap.end()) {
    cout << "存在" << endl;
}

6. 获取所有键或值

有时候我们需要获取哈希表中的所有键或所有值。

vector<string> keys;
vector<string> values;
for (auto& pair : myMap) {
    keys.push_back(pair.first); // 键
    values.push_back(pair.second); // 值
}

小结一句话：

哈希表就像一本查得特别快的字典，能让你在一堆数据中快速找到你要的东西，或者把东西按规则归类。掌握几个基本操作——插入、查找、删除、遍历，就能应对大多数日常需求了。

题目解析

一、找最长连续序列：哈希集合 + 智能判断起点

🧩 问题描述

给定一个未排序的整数数组 nums，找出最长的连续数字序列的长度。例如：

输入：[100, 4, 200, 1, 3, 2]
输出：4
解释：最长连续序列是 [1, 2, 3, 4]

传统的做法可能是先排序，再遍历找出最长连续序列。但排序的时间复杂度是 O(n log n)，不是我们想要的。我们希望找到一个线性时间 O(n) 的解法。

这时候，哈希集合就派上用场了。

我们首先将所有数字放入一个 unordered_set 中，这样查找一个数字是否存在的操作只需要 O(1) 的时间。然后我们遍历集合中的每一个数字，只有当当前数字的前一个数字不存在时，才开始向上查找连续序列。

比如，如果当前数字是 3，而 2 不在集合中，那 3 就可能是一个连续序列的起点。

我们从这个起点开始，不断查找 current_num + 1 是否存在，直到找不到为止，同时记录当前序列的长度。

在整个过程中，我们只对每个数字处理一次，因此时间复杂度是 O(n)，空间复杂度也是 O(n)。

这个思路的关键在于：我们只从真正的起点开始查找，避免了重复遍历。而哈希集合的快速查找能力，让我们可以轻松判断一个数字是否存在。

核心代码（C++）：

class Solution {
public:
    int longestConsecutive(vector<int>& nums) {
        int length = 0;
        unordered_set<int> numSet;

        for(int i : nums){
            numSet.insert(i);// 用set集合存储
        }
        for(int num : numSet){
            if(numSet.find(num - 1) == numSet.end()){
                int currentNum = num;
                int currentLength = 1;

                while(numSet.find(currentNum + 1) != numSet.end()){
                    currentNum++;
                    currentLength++;
                }

                //更新最长长度
                length = max(length,currentLength);
            }
        }
        return length;
    }
};

哈希的妙用

在这个问题中，我们用哈希集合来：

快速查找一个数字是否存在
避免重复查找连续序列
实现 O(n) 时间复杂度

二、字母异位词分组：哈希映射 + 智能归类

🧩 问题描述

给定一个字符串数组，将字母异位词（即字母相同但顺序不同的字符串）归类到一起。例如：

输入：["eat", "tea", "tan", "ate", "nat", "bat"]
输出：[["bat"],["nat","tan"],["ate","eat","tea"]]

这道题的核心在于，如何判断两个字符串是否是字母异位词。一个很聪明的办法是：将每个字符串排序后作为 key。

因为字母异位词排序后会得到完全相同的字符串。

于是，我们可以使用一个 unordered_map<string, vector<string>>，其中 key 是排序后的字符串，value 是原始字符串的列表。我们对每个字符串进行排序，生成 key，然后将原始字符串插入到对应的 value 中。

最后，我们只需要遍历整个哈希表，把所有的 value 提取出来，就能得到最终结果。

这个思路的巧妙之处在于，我们用排序后的字符串作为统一的“指纹” ，然后利用哈希表自动归类的功能，把所有相同特征的字符串归为一组。

核心代码（C++）：

class Solution {
public:
    vector<vector<string>> groupAnagrams(vector<string>& strs) {
        unordered_map<string, vector<string>> map;
        for(string& s : strs){
           string key = s;
           sort(key.begin(),key.end());// 按ASCII码从小到大排序作为key
           map[key].push_back(s);// 相同key会归类到一起
        }
        vector<vector<string>> result;
        for(auto& str : map){
            result.push_back(str.second);// 把归类好的value给push到result
        }
        return result;
    }
};

哈希的妙用

在这个问题中，我们用哈希映射来：

自动归类具有相同字母的字符串
利用排序后的字符串作为统一的 key

总结：哈希的两种经典用法

问题	哈希结构	用途	核心技巧
最长连续序列	`unordered_set`	快速查找	判断是否是连续序列起点
字母异位词分组	`unordered_map<string, vector<string>>`	智能归类	用排序字符串作为 key

通过这两道题，我们可以看到，哈希思想在算法中的应用非常广泛。它不仅帮助我们快速查找，还能帮我们高效归类、去重、统计，甚至解决一些看似复杂的问题。