有一个很好的算法来压缩一个CSV的数字，同时保持可预测性？

Question

假设我有一个数字的CSV，就像在1,321,3,51,5,...中，数字的数量并不是不切实际的大(在0-999999范围内)。

我需要搜索这类CSV的大型数据库。CSV中的每个数字在整个数据库中都是唯一的。但是问题是，我需要选择使用CSV中的单个数字来识别整个序列。

例如，我的数据库中有两个元素："1,2,3,4"和"5,6,7,8"。现在，我需要找到包含数字3的元素。简单的方法是只查看每个对象，看看它是否包含数字。

所以我在想，有没有类似于单向哈希算法这样的方法，可以让我有一个简短的α-数字(或其他什么)来唯一地识别数字3是否在它的构造中被使用过？

Answer 1

一个数字要么存在，要么不在CSV中，没有重复。您可以将每个CSV减少到一个位模式："1,2,3“变为1110000."1,2,4,6“变为1101010000.000，其中1表示存在数字，0表示它不存在。

根据CSV的稀疏性，您可以通过消除长串的零位来压缩位模式。这样"1,2,3“就变成了111+999997*

或者，您需要想一种方便的方法来存储1,000,000位数字。也许是个大整数包？