这是我的问题陈述：
我可以使用哪种算法？
我的第一个想法是将字符串转换为数字，然后对它们进行运算（我想到了哈希函数），但我不确定什么公式会给我可能的结果。
有什么建议吗？
【问题讨论】：
标签： string algorithm language-agnostic uniqueidentifier
您有 2^333 个可能的输入集（(26 * 10^3) 选择 30）。
这意味着您需要一个 333 位宽的整数来表示所有可能性。你最多只有 256 位，所以会有冲突。
这是散列函数的典型应用。哈希值有多种用途，因此选择正确的类型很重要：
用于基于桶的数据结构（字典）的简单哈希函数必须快速。碰撞不仅是可以容忍的，而且是需要的。散列的大小（以位为单位）通常很小。由于冲突，这种类型的哈希不适合您的目的。
校验和 试图避免冲突并且速度相当快。如果它足够大，这对于您的情况可能就足够了。
加密哈希的特点是不可能（或很难）找到冲突（即使输入和哈希都已知）。而且它们是不可逆的（从散列中无法找到输入）。对于您的用例，这些通常计算成本高且过大。
用于唯一识别任意输入的散列，例如 CityHash 和 SpookyHash，专为快速散列和无冲突识别而设计。
SpookyHash 似乎是您的用例的不错选择。它是 128 位宽，这意味着您需要 2^64 个不同的输入才能获得 50% 的单次碰撞机会。
它也很快：每个周期三个字节比 md5 或 sha1 快几个数量级。 SpookyHash 在公共领域可用（见上面的链接）。
要对您的用例应用任何哈希，您可以将列表中的项目转换为数字，但将它们作为字符串提供似乎更容易。在这种情况下，您必须接受编码（ASCII 可以）。
当 I18N 成为问题时，我通常使用 UTF8 左右。然后，关注规范化有时很重要。但这不适用于您的简单用例。
【讨论】：
哈希不起作用，因为它可能会产生冲突。每个有效输入位都必须映射到一个输出位。
对于字母，您有 90 - 65 = 25 个不同的值，因此您可以使用 5 位来表示字母。
3 位数字有 1000 个不同的值，因此您需要 10 位。
如果将这些位组合起来，您将拥有从输入到 15 位数字的唯一映射。
这种方法很简单，但可能会浪费一些位。如果输出必须尽可能短，您可以映射如下：
output = (L - 'A')*1000 + N
其中L 是字母值，'A' 是字母 A 的值，N 是 3 位数字。然后你可以使用尽可能少的位来表示output的完整范围，即25*1000 - 1 = 24999。这里又是15位，所以简单的方法不会浪费空间。
如果输出位比输入位少，则需要散列函数。我强烈建议将字符串映射到上面的二进制数据，并使用一个简单的函数将输入映射到输出，原因如下：
通用哈希函数无法区分输入位，因为它不知道它们的含义。
对于 256 个输出位，在散列 5.7e38 个值后，发生冲突的几率为 75%。来源：Birthday Attack。
5.7e38 看起来很大，但它只对应 129 位 (2^129 = 6.8e38)。在这种情况下，这意味着有超过 75% 的可能性存在一对具有 9 (129/15 = 8.6) 元素的字符串 strong> 碰撞。
另一方面，如果您使用非常简单的映射函数，例如：
您可以保证最多 17 个元素的任意两个字符串之间没有冲突。
与此处相比，针对生成唯一 ID 进行优化的散列函数可能比通用散列执行得更好，但我怀疑它们能否保证所有 256 位值的无冲突散列。
结论：如果大多数输入字符串的元素少于 17 个，我更喜欢这个而不是哈希。
【讨论】：