deploy

chapter_hashing/hash_collision/index.html

@@ -1809,13 +1809,13 @@
 
 <p>链式地址下，哈希表的操作方法包括：</p>
 <ul>
-<li><strong>查询元素</strong>：输入 key ，经过哈希函数得到数组索引，即可访问链表头结点，然后遍历链表并对比 key 以查找目标键值对。</li>
-<li><strong>添加元素</strong>：先通过哈希函数访问链表头结点，然后将结点（即键值对）添加到链表中。</li>
-<li><strong>删除元素</strong>：根据哈希函数的结果访问链表头部，接着遍历链表以查找目标结点，并将其删除。</li>
+<li><strong>查询元素</strong>：输入 key ，经过哈希函数得到数组索引，即可访问链表头节点，然后遍历链表并对比 key 以查找目标键值对。</li>
+<li><strong>添加元素</strong>：先通过哈希函数访问链表头节点，然后将节点（即键值对）添加到链表中。</li>
+<li><strong>删除元素</strong>：根据哈希函数的结果访问链表头部，接着遍历链表以查找目标节点，并将其删除。</li>
 </ul>
 <p>尽管链式地址法解决了哈希冲突问题，但仍存在一些局限性，包括：</p>
 <ul>
-<li><strong>占用空间增大</strong>，由于链表或二叉树包含结点指针，相比数组更加耗费内存空间；</li>
+<li><strong>占用空间增大</strong>，由于链表或二叉树包含节点指针，相比数组更加耗费内存空间；</li>
 <li><strong>查询效率降低</strong>，因为需要线性遍历链表来查找对应元素；</li>
 </ul>
 <p>为了提高操作效率，<strong>可以将链表转换为「AVL 树」或「红黑树」</strong>，将查询操作的时间复杂度优化至 <span class="arithmatex">\(O(\log n)\)</span> 。</p>

chapter_hashing/hash_map/index.html

@@ -1778,8 +1778,8 @@
 <ol>
 <li><strong>无序数组</strong>：每个元素为  <code>[学号, 姓名]</code> ；</li>
 <li><strong>有序数组</strong>：将 <code>1.</code> 中的数组按照学号从小到大排序；</li>
-<li><strong>链表</strong>：每个结点的值为 <code>[学号, 姓名]</code> ；</li>
-<li><strong>二叉搜索树</strong>：每个结点的值为 <code>[学号, 姓名]</code> ，根据学号大小来构建树；</li>
+<li><strong>链表</strong>：每个节点的值为 <code>[学号, 姓名]</code> ；</li>
+<li><strong>二叉搜索树</strong>：每个节点的值为 <code>[学号, 姓名]</code> ，根据学号大小来构建树；</li>
 </ol>
 <p>各项操作的时间复杂度如下表所示（详解可见<a href="https://www.hello-algo.com/chapter_tree/binary_search_tree/">二叉搜索树章节</a>）。无论是查找元素还是增删元素，哈希表的时间复杂度都是 <span class="arithmatex">\(O(1)\)</span>，全面胜出！</p>
 <div class="center-table">