求一个处理中文的哈希函数

Question

网上和书上都有关于数字的哈希函数的设计，但对于中文汉字的哈希函数资料很少，求一个哈希函数，实现给出一个词语串,如：“中国 人”，通过该哈希函数给出哈希地址。即h(中国 人)=一个地址。谢谢！

Answer 1

hash函数的策略。

对于GB2312编码，设输入的汉字为GBword，我们可以采用公式(C1-176)*94 + (C2-161)确定GBindex。其中，C1表示第一字节，C2表示第二字节。具体如下：

GBindex = ((unsigned char)GBword.at(0)-176)*94 + (unsigned char)GBword.at(1) - 161;

之所以用unsigned char类型，是因为char是一个字节，如果用unsigend int，因为int是4个字节的，所以会造成扩展，导致错误。

   对于GBK编码，设输入的汉字为GBKword，则可以采用公式   index=(ch1-0x81)*190+(ch2-0x40)-(ch2/128)，其中ch1是第一字节，ch2是第二字节。

具体的，

GBKindex = ((unsigned char)GBKword[0]-129)*190 +

           ((unsigned char)GBKword[1]-64) - (unsigned char)GBKword[1]/128;