Python布隆過濾器實現代碼
之前用python寫了一個網絡爬蟲,里面url去重用的就是布隆過濾器,不過那個是用c++寫的,在windows下用boost編譯成 python模塊之后再python里面調用,現在用純python重新寫一個,這樣爬蟲在linux和windows下都可以運行了,下面是代碼:
#!/usr/local/bin/python2.7
#coding=gbk
'''
Created on 2012-11-7
@author: palydawn
'''
import cmath
from BitVector import BitVector
class BloomFilter(object):
def __init__(self, error_rate, elementNum):
#計算所需要的bit數
self.bit_num = -1 * elementNum * cmath.log(error_rate) / (cmath.log(2.0) * cmath.log(2.0))
#四字節對齊
self.bit_num = self.align_4byte(self.bit_num.real)
#分配內存
self.bit_array = BitVector(size=self.bit_num)
#計算hash函數個數
self.hash_num = cmath.log(2) * self.bit_num / elementNum
self.hash_num = self.hash_num.real
#向上取整
self.hash_num = int(self.hash_num) + 1
#產生hash函數種子
self.hash_seeds = self.generate_hashseeds(self.hash_num)
def insert_element(self, element):
for seed in self.hash_seeds:
hash_val = self.hash_element(element, seed)
#取絕對值
hash_val = abs(hash_val)
#取模,防越界
hash_val = hash_val % self.bit_num
#設置相應的比特位
self.bit_array[hash_val] = 1
#檢查元素是否存在,存在返回true,否則返回false
def is_element_exist(self, element):
for seed in self.hash_seeds:
hash_val = self.hash_element(element, seed)
#取絕對值
hash_val = abs(hash_val)
#取模,防越界
hash_val = hash_val % self.bit_num
#查看值
if self.bit_array[hash_val] == 0:
return False
return True
#內存對齊
def align_4byte(self, bit_num):
num = int(bit_num / 32)
num = 32 * (num + 1)
return num
#產生hash函數種子,hash_num個素數
def generate_hashseeds(self, hash_num):
count = 0
#連續兩個種子的最小差值
gap = 50
#初始化hash種子為0
hash_seeds = []
for index in xrange(hash_num):
hash_seeds.append(0)
for index in xrange(10, 10000):
max_num = int(cmath.sqrt(1.0 * index).real)
flag = 1
for num in xrange(2, max_num):
if index % num == 0:
flag = 0
break
if flag == 1:
#連續兩個hash種子的差值要大才行
if count > 0 and (index - hash_seeds[count - 1]) < gap:
continue
hash_seeds[count] = index
count = count + 1
if count == hash_num:
break
return hash_seeds
def hash_element(self, element, seed):
hash_val = 1
for ch in str(element):
chval = ord(ch)
hash_val = hash_val * seed + chval
return hash_val
測試代碼:
#測試代碼
bf = BloomFilter(0.001, 1000000)
element = 'palydawn'
bf.insert_element(element)
print bf.is_element_exist('palydawn')'''
其中使用了BitVector庫,python本身的二進制操作看起來很麻煩,這個就簡單多了
本文由用戶 jopen 自行上傳分享,僅供網友學習交流。所有權歸原作者,若您的權利被侵害,請聯系管理員。
轉載本站原創文章,請注明出處,并保留原始鏈接、圖片水印。
本站是一個以用戶分享為主的開源技術平臺,歡迎各類分享!