build

docs/chapter_hashing/hash_collision.md

@@ -2846,10 +2846,10 @@ comments: true
 
 平方探测主要具有以下优势。
 
-- 平方探测通过跳过平方的距离，试图缓解线性探测的聚集效应。
+- 平方探测通过跳过探测次数平方的距离，试图缓解线性探测的聚集效应。
 - 平方探测会跳过更大的距离来寻找空位置，有助于数据分布得更加均匀。
 
-然而，平方探测也并不是完美的。
+然而，平方探测并不是完美的。
 
 - 仍然存在聚集现象，即某些位置比其他位置更容易被占用。
 - 由于平方的增长，平方探测可能不会探测整个哈希表，这意味着即使哈希表中有空桶，平方探测也可能无法访问到它。
@@ -2869,7 +2869,7 @@ comments: true
 
 ## 6.2.3   编程语言的选择
 
-各个编程语言采取了不同的哈希表实现策略，以下举几个例子。
+各种编程语言采取了不同的哈希表实现策略，下面举几个例子。
 
 - Python 采用开放寻址。字典 dict 使用伪随机数进行探测。
 - Java 采用链式地址。自 JDK 1.8 以来，当 HashMap 内数组长度达到 64 且链表长度达到 8 时，链表会转换为红黑树以提升查找性能。

docs/chapter_hashing/summary.md

@@ -22,7 +22,7 @@ comments: true
 
 ### 2.   Q & A
 
-!!! question "哈希表的时间复杂度为什么不是 $O(n)$ ？"
+!!! question "哈希表的时间复杂度在什么情况下是 $O(n)$ ？"
 
     当哈希冲突比较严重时，哈希表的时间复杂度会退化至 $O(n)$ 。当哈希函数设计得比较好、容量设置比较合理、冲突比较平均时，时间复杂度是 $O(1)$ 。我们使用编程语言内置的哈希表时，通常认为时间复杂度是 $O(1)$ 。