diff --git a/thu_dsa/chp11/karp_rabin.md b/thu_dsa/chp11/karp_rabin.md
index c3fd31f..453a4e4 100644
--- a/thu_dsa/chp11/karp_rabin.md
+++ b/thu_dsa/chp11/karp_rabin.md
@@ -7,25 +7,25 @@
 
 一般地，对于任意一个串，设字符集的大小为`d`，则该串中的任意一个字符都可以用一个`d+1`进制的整数来表示。需要注意的是，这里是`d+1`进制，而不是`d`进制，是因为不能用`0`来表示任意一个字符，否则如果该字符组成串的一个前缀，无论前缀的长度多少，都不会影响串所对应的整数取值。
 
-在这种情况下，任意一个串，都可以将之用整数表示出来，并且串与这个整数是唯一对应的，因此这是一个`完美散列`，因此将该整数成为串的`指纹`(fingerprint)。如果将该`指纹`转化为二进制整数，就可以在计算机中用二进制字节流唯一的表示一个字符串了。
+在这种情况下，任意一个串，都可以将之用整数表示出来，并且串与这个整数是唯一对应的，因此这是一个`完美散列`，因此将该整数称为串的`指纹`(fingerprint)。如果将该`指纹`转化为二进制整数，就可以在计算机中用二进制字节流唯一地表示一个字符串了。
 
 ## karp-rabin算法
 
-根据上面的分析似乎已经可以构造出一个新的串匹配算法了，具体说来，在每一个对齐位置，将模式串和与之对齐的文本串的`m`个字符，分别用其`指纹`表示出来，然后利用整数的比较就可以在`O(1)`时间内完成比较，这样整体的时间复杂度为`O(n)`，已经和`kmp`算法相当了！可是，果真这么简单吗？
+根据上面的分析似乎已经可以构造出一个新的串匹配算法了，具体说来，在每一个对齐位置，将模式串和与之对齐的文本串的`m`个字符，分别用其`指纹`表示出来，然后利用整数的比较就可以在`O(1)`时间内完成匹配，这样整体的时间复杂度为`O(n)`，已经和`kmp`算法相当了！可是，果真这么简单吗？
 
-答案是否定的，因为该过程中还存在着其他开销——比如将长度为`m`串转化为其对应的`指纹`，其开销就已经是`O(m)`了，因此整个算法的时间开销是`O(mn)`，与蛮力策略相当！此外，还存在一些新的问题，当字符集较大，或者串长度较长时，其转化成的`指纹`位数也会相当长，比如采用`ASCII`码字符集时，字符集的大小`d = 128`，如果模式串的长度`m = 10`，则其对应的`指纹`会占`7 x 10 = 70`个比特，已经超过了计算机中通常支持的整数位数，并且随着串的进一步增长，对这么多位`指纹`的比对也难以在`O(1)`时间内完成，而是也要消耗`O(m)`的时间，同时对这些整数的存储也是一个问题。
+答案是否定的，因为该过程中还存在着其他开销——比如将长度为`m`的串转化为其对应的`指纹`，其开销就已经是`O(m)`了，因此整个算法的时间开销是`O(mn)`，与蛮力策略相当！此外，还存在一些新的问题，当字符集较大，或者串长度较长时，其转化成的`指纹`位数也会相当长，比如采用`ASCII`码字符集时，字符集的大小`d = 128`，如果模式串的长度`m = 10`，则其对应的`指纹`会占`7 x 10 = 70`个比特，已经超过了计算机中通常支持的整数位数，并且随着串的进一步增长，对这么多位`指纹`的比对也难以在`O(1)`时间内完成，而是也要消耗`O(m)`的时间，同时对这些整数的存储也是一个问题。
 
 下面就从各个方面分别讨论怎么解决上述存在的这么多问题。
 
 > 指纹长度的压缩
 
-将更大的数据，存储到更小的空间，这其实是我们在[散列的基本概念](../chp9/hash.mg)中就提出过的问题。具体说来，为了将`70bits`乃至更长的`指纹`压缩到`32bit`整数表示的范围内，只需要对该`指纹`做一个散列，不妨就简明地采用模余法，即
+将更大的数据，存储到更小的空间，这其实是我们在[散列的基本概念](../chp9/hash.md)中就提出过的问题。具体说来，为了将`70bits`乃至更长的`指纹`压缩到`32bit`整数表示的范围内，只需要对该`指纹`做一个散列，不妨就简明地采用模余法，即
 
 ```c
 hash(fingerprint) = fingerprint % M;
 ```
 
-这样，就一次性地解决了整数的存储与比对时间的问题，经过散列后的指纹可以存储计算机通常支持的位长度以内，并且此时对`指纹`的比对又只需要`O(1)`的时间了。
+这样，就一次性地解决了整数的存储与比对时间的问题，经过散列后的指纹可以存储在计算机通常支持的位长度以内，并且此时对`指纹`的比对又只需要`O(1)`的时间了。
 
 但是由于散列内在的缺陷，不可避免地又会引入新的问题——冲突。对于两个不相匹配的串，它们经过压缩后的`指纹`却有可能相同，此时就会导致误判。为了解决这个问题，可以使`指纹`相同作为串匹配的必要条件，一旦发现两个串的`指纹`相同，可以对它们再启动一次逐个比较的字符比对，来确定这两个串是否的确是匹配的。需要指出，只要这里的散列长度足够长，就可以保证一般情况下两个不匹配的串，其指纹相同的概率极低，从而引入的逐个字符比对并不会显著地增加算法的时间复杂度。
 
@@ -58,7 +58,7 @@ for(int i = 0; i < m; ++i){
 }
 ```
 
-为了快速更新文本串相邻的长度为`m`的子串的`指纹`，需要首先从原先的指纹中，减去最高位的部分，再加上最低位的部分，而计算最高位字符的模余值，需要做`m - 1`次连乘运算，即
+为了快速更新文本串相邻长度为`m`的子串的`指纹`，需要首先从原先的指纹中，减去最高位的部分，再加上最低位的部分，而计算最高位字符的模余值，需要做`m - 1`次连乘运算，即
 
 ```
 fingerprint(P[0]) = P[0] * R^(m - 1)
@@ -84,4 +84,4 @@ void updateHash(HashCode &hashT, char* T, int m, int k, HashCode Dm){
 }
 ```
 
-该算法其实就是上面三条模余的运算法则的反复使用。
+该算法其实就是上面三条模余运算法则的反复使用。