C++中基于矩阵的结构索引访问

我在两组不相关的编码（Unicode和GB18030）之间有一个映射Nx2，在这种格式下： 警告：巨大的XML，如果连接速度慢，请不要打开：

快照：

<a u="00B7" b="A1 A4"/>
<a u="00B8" b="81 30 86 30"/>
<a u="00B9" b="81 30 86 31"/>
<a u="00BA" b="81 30 86 32"/>

我希望在数据结构中保存b-values right列，并直接访问它们，而不使用基于a-values left列的索引进行搜索

例如：

我可以将这些元素存储在如下数据结构中：

未签名短*我的页面[256]={my_00，my_01，…，my_ff}

，其中元素的定义如下：

静态无符号短码my_00[256]等

。 所以基本上是一个矩阵=>256x256=65536个可用元素的矩阵

对于其他元素较少且值不同的编码，如中文Big5、日文Shift、韩文KSC等，我可以使用如下双射函数访问元素：

element=my_页面[unicode[i]>>8&0x00FF][unicode[i]&0x00FF]；，其中，unicode[i]由上述映射中的类a元素填充。如何生成和填充类似的my_页面结构。对于工作编码，我有大约7000个字符要存储，它们存储在我的页面中一个独特的位置

问题来自GB18030编码，试图在my_page 65536元素中存储30861元素。我尝试使用相同的双射函数来填充和访问，类似于my_页面结构，但它失败了，因为访问模式不会返回唯一的结果

例如：对于unicode值，可以通过访问多个元素 我的页面[unicode[i]>>8&0x00FF][unicode[i]&0x00FF]，因为例如i和i+1的索引可以相同。你知道另一种访问/填充my_页面结构中元素的方法吗？这种方法仅基于预先计算的索引，就像我试图做的那样

我假设我必须使用伪哈希函数之类的函数，它返回一个值范围VRange，并基于一组规则，我可以从范围VRange中提取我的页面[256][256]的整数索引

如果您有任何建议，请告诉我：

---

谢谢大家!

对于GB18030，请参考本文件：

如本文所述： “有效字节序列的数量——覆盖的Unicode代码点和它们之间定义的映射的数量——使得直接使用普通的、纯粹基于映射表的代码页转换器是不切实际的。大约有110万个映射，一个简单的映射表将有几兆字节的大小。” 因此，基于纯映射表实现转换很可能是不好的。 对于大型部件，GB18030和Unicode之间存在直接映射。四字节字符中的大多数可以通过算法进行翻译。本文作者建议用一个特殊的代码来处理这些范围，用一个经典的映射表来处理其他范围。这些字符是XML映射表中给出的字符：

---

因此，基于C++的矩阵式结构的索引访问问题是一个问题，它需要对这种双射函数进行研究。

GB18030有4字节的编码：试图把它存储在一个2字节的查找表中是错误的。我猜您是在从unicode映射到GB？UTF16和UTF8都包含4字节的元素。UCS2是双字节的变体，但任何人都不应该使用它，因为windows 2000已升级到UTF16。我怀疑您对所涉及的编码有一个基本的误解，正如您的数据结构所反映的那样。Unicode不是一种编码，它充其量只是一系列编码。是的，我必须使用一个4字节的查找表。我有一个UTF16和GB18030之间的映射。我想在一个结构中填充GB18030元素，并根据它们的UTF16对应项通过索引直接访问它们。所以我需要：gbElem=my_page[futf16Elem][gutf16Elem]，其中f和g是必须返回整数的函数。中有2^16个以上的元素，因此两个8位索引不能代表UCS中的每个值。可以对每个unicode代码点进行编码，因此映射在两个方向都不起作用。它将适用于基本的多语言平面，但这还不够。您的设计可以很好地映射UCS-2古老的16位unicode单wchar_t编码，而UTF-16可以是多字符到GB_18030，但GB_18030比UCS-2大。