一、数据文件

字典数据文件有两个：DictSpch.bin和DictSnd.bin

(文件名有点混，太相近了，不易区分具体内容。因为最初我们 V1版本字典只有词头和解释，当时就一个文件，名叫Dict.bin；后来V2版要加发音功能 ，文件名改为DictSpch.bin，结果又发现声音数据太大，在sd文件系统中放不下，声音数据又被单独抽出来放到隐藏盘，名叫DictSnd.bin)

1. DictSpch.bin，字典数据(词头、词义)部份，是必须的，缺少的话，字典没法运行；

2. DictSnd.bin，声音数据部份，可选，缺少的话，只是无发声，但字典可正常查阅词义；

3. DictSpch.bin和DictSnd.bin必须配套使用，即它们ID必须相同，否则不会发声；

二、声音数据的结构

声音数据，即DictSnd.bin文件中存储的数据

1.数据标识ID

ID区域是为了与词头数据相匹配而加的数据区域，避免不同版本的词头与发声的混用造成错误而加入的。

ID区的数据结构：

实例

2.wav 参数

wav参数包括：通道数、采样率、采样宽度，这是发声函数需要的重要参数。所有词头使用相同参数。

wav参数结构

实例

可以看出：
通道数：0x0001，即1个通道(单通道)
采样率：0x3E80 =
16000，即16K
采样宽度：0x0020，2字节，即16bit

3.发声数据

发声数据结构很简单，就是各个单词的wav声音数据，一个一个的顺序排列。

单条数据结构

实例

长度：0x00004B1A
= 19226，即从0x10开始，19226字节的数据都是同一个单词的声音数据。

在词头的信息(DictSpch.bin)中，会保存该词头对应声音数据的偏移地址，如0x12，则可跳到DictSnd.bin的0x12处，先读4字节，计算出数据长度，然后再读长度个字节声音数据，则完成发声数据的查找。

三、字典数据结构

字典数据结构是最复杂的部分，该部分的设计影响着字典的数据大小与样机中字典搜索的速度

1.数据标识ID

该id的结构与作用与声音数据中的ID是一样的，用于两者的匹配。详情请参考声音数据结构中的介绍

2.头部信息

头部打桩词条总数及各部分数据的起始位置信息

头部数据结构是

实例

词条总数：0x0000B51E，说明有46366个单词；
索引表偏移：0x00000016，即索引表的数据开始于0x16处；
词头偏移：0x0001F6D8，即词头数据开始于0x1F6D8处；
解释偏移：0x00113E30，即解释数据开始于0x113E30处；

3.关键字索引表

索引表用于快速定位我拉的搜索结果。对于用户的输入，我们不是直接去比较单词，面是先在索引表中搜索，快速定位我们输入的查找关键字所指向的单词的位置。

关键字索引表的结构

这里比较难以理解，是字典的核心部分。必须理解我们单词排序的方法，索引表的构成，索引表在数据文件中的存储结构，才能明白字典的查找方法。

a.索引节点信息

这个图表，是逻辑上的理解，对于具体的实现，可以看下面的索引表的存储格式

b.索引节点说明

1. 每个节点记录了当输入本节点字符时，在字典中能探索到的单词范围。如输入‘a’，那第0-9个词头都符合条件；
2. 节点的儿子列表，表示还可继续输入的字符序列，如’a’的儿子列表’bmn’，说明还可继续输入b,m,n，因为有以’ab’,‘am’,'an’开关的单词
3. 在字典中，一共定义 了9个层级的索引节点。层级太多，索引表会更大；层级太少，搜索速度又太慢
4. 当某级包含的单词范围少于或等于16个时，不再记录它的儿子节点，本级内采用二分法查找(文档图例中是2个)
5. 图例搜索过程：
   当输入“a”时，第0~9(共10条)都匹配；
   继续输入“m”，发现“a”的二儿子是“m”，跳到“m”节点，第3~5条匹配；
   再输入“a”，发现“m”的唯一儿子是“a”，跳到“a”节点，第4~5条匹配；
   再输入“s”，由于“a”结点没有儿子，则二分法在“a”节点查找，第4条匹配；

c.索引表的存储格式

1. 先存一级索引，再存二，三…九级索引索引
2. 一级索引即26个英文字母，所以一级索引有26个节点
3. 二级及二级以后的索引块即上一级的儿子索引，个数由具体电子字典的词条数决定
4. 一级索引的存储格式与其他级的不同

d.一级索引存储格式

节点存储格式：

实例：

1. 每个节点8个字节，一级索引区共占用8X26 = 208字节；
2. 字母ch节点地址的计算方式是：（ch - ''a）X 8
3. ‘a’ 字母节点地址是0。可以看出，以’a’字母开关的单词，第一个序号是0x0000，即第0个，最后一个序号是0x0982,即第2434个，儿子节点的起始地址是0x000000D0；
4. 后面任意字符如‘x’的节点地址是：（‘x’ - ‘a’）X 8 ，这样即可得到‘x’区配单词的序号范围和儿子节点的范围
5. 如果某节点的偏移为-1（0xFFFFFFFF）,说明没有儿子（一级索引都有儿子，不会出现偏移为-1的情况）

e.二级索引存储格式

1. chid_num:一个字节，表示儿子数量，如0x1A,即有26个儿子；
2. chid_list:儿子列表，child_num 儿子全列在这里，如’abcdefghijklmnopqrstuvwxyz’;
3. child_info:每个儿子的信息，按顺序排列，结构与一级索引一样；

f.实例-搜索过程

假如输入’ahead’，搜索过程如下：

1. 输入’a’时，定位到一级索引’a’的信息，可得到此时的搜索结果是第0条到第2434条，即字典中的第0条到第2434条都是以’a’开关的单词；
   
2. 再输入‘h’。由一级索引‘a’的儿子偏移不为-1可得知，她有儿子，所以要先确定是否有’h’的儿子；
3. 跑到0x000000D0的位置，读出‘a’的儿子数量，为0x1A(26)，然后继续读26个字符；
   
4. 在儿子列表中查到’h’是第7个儿子，定位到’h’节点的位置，则得到搜索结果是：字典中的702-709条以’ah’开头；
5. 继续输入‘e’，由于二级索引’h’没有了儿子，则不能继续在索引表中查找了，此时要切换为二分法查找，即在’h’的范围（702-709）中查找，在我们的字典中，就只有一条符合记录，即705条’ahead’符合；
6. 如果还要输入，那就需要比较是否与ahead匹配就行了。

4.词头数据

词头就是字典中的单词，字典中的所有单词都是按字母顺序排列存储在这里。词头的排序方法是：单词中只有字母参与排序，数据与其他字符对排序无影响；字母不区分大小排序，只有两者相等时再区分大小写比较，如：
A
a
B
b
C
c

词头数据结构

词头数据分两部份：地址部份和词头部份

地址部分

址址部份是定义每个单词存储位置的散列地址，包括：词头地址、词义地址、发声地址

1. 第n个单词地址的散列函数是：H(n) = 12n
2. 从起始地址读12字节，即可确定第n个单词的词头存储位置，词义存储位置，解释存储位置
3. 词头和词义是一定存在的；
4. 发声部分可不存在，若发声数据的位置为0xFFFFFFFF，则说明无声音数据；
5. 注意：词义地址是该单词的结束地址，即下一个单词的起始地址。而第0个单词的起始地址就是0地址处；

词头部分

词头部份是所有单词散列存储的地方，每个单词的散列地址存储于地址部份


从地址部分可看出，第一个单词’A-1’存储在0x00087D68处，跳到该地址处，可看出与实际相符。
后面都是按顺序一个接一个存储的。词头按ascii码存储。

5.词义数据

词义数据就是对应单词的解释部分，顺序与词头一一对应。

词义数据结构

存储方法

存储方法简单，就是按词头顺序逐个存储。词义部份是unicode编码的。

寻址方法

(1)
第1个单词的起始地址offset1=0x00000000，由第1个单词的词头地址部份可获取结束地址offset2，则其长度为 len = offset2 – offset1；

(2)
第n个单词的起始地址offset1从第n-1个单词的词头地址部份读出，其结束地址offset2由第n个单词的词头地址部份读出，其长度为 len = offset2 – offset1；

词义实例