中文字典实现（一）

   中文单词不同于英文单词，区别在于中文单词组成元素是汉字，而英文单词的组成元素是英文字母，英文字母只有26个，而组成中文单词的常用汉字就多达8000多个。

   一般的，英文单词字典采用trie树数据结构。结合trie（单词查找树）的特性，我们了解到，trie树结点的每一个结点包含组成单词的所有的元素，相应的，一棵英文单词查找树（trie）的结点中包含26个孩子结点，孩子结点与字符[a-z]一一对应(hash),  trie树层的索引与某个英文单词的字母一一对应。利用trie树来实现英文单词的存储是一个很完美的选择，单词查询复杂度为O(单词平均长度)，在线性时间内可以进行英文单词的查询，可以认为是最优的方案。

   试想，中文单词是否可以利用trie树数据结构实现呢？我们假设利用trie来实现，则当前结点的孩子结点要包含所有的中文单字，每一个结点将达到8000个结点，显然，这在内存耗费方面是不可取的，该方案否定。

   说不上什么理由，我总感觉到，在查找方面，树有着得天独厚的优势（树这种数据结构是学习的自然，这算不算IT界的仿生学呢？）。

   在此之前需要先介绍下，中文在计算机中是如何存储的？在win平台下，汉字默认是以GB2312存储，每一个汉字占用两个字节，高字节代表区，低字节代表位,称为区位码。在区位码中，01-09区为特殊字符，10-55区为一级汉字(3755个最常用的汉字，按拼音字母的次序排列)，56-87区为二级汉字(3008个汉字，按部首次序排列)。ASCII码的范围是0-255，从0-127，此范围内包含标点、大小写英文字符、数字、不可打印字符；128-255为不常用字符。为了不与ASCII常用字符冲突，gb2312编码占用了从128-255的区间，从而保证了计算机可以同时表示中英文字符。

   上一段说过，从10到87区全部存储的汉字，每一区中有94位（汉字），通过hash运算，可将此矩阵列表映射到一个线性空间上。一个中文单词的首汉字就可以存储在此线性表中的某一个元素里了。

  这样就完成了首字的映射，（二）将介绍如何存储剩下的汉字