第9章 词典
借助数据结构来表示和组织的数字信息，可将所有数据视作一个整体统筹处理，进而提高信息访问的规范性及其处理的效率。例如，借助关键码直接查找和访问数据元素的形式，已为越来越多的数据结构所采用，这也成为现代数据结构的一个重要特征。词典（dictionary）结构，即是其中最典型的例子。
逻辑上的词典，是由一组数据构成的集合，其中各元素都是由关键码和数据合成的词条(entry)。映射(map)结构与词典结构一样，也是词条的集合，但映射要求不同词条关键码互异，词典允许多个词条拥有相同关键码。除了静态查找，两者都支持动态更新，统称符号表(symbol table)。实际上，“是否允许雷同关键码”应从语义层面，而非ADT接口的层面予以界定，故本章不过分强调二者的差异，统称词典。
尽管此处词典和映射中的数据元素，仍表示和实现为词条形式，但这一做法并非必须。实际上，以散列表为代表的符号表结构，将转而依据数据项的数值，直接做逻辑查找和物理定位。即对于此类结构，在作为基本数据单位的词条内部，关键码(key)与数值(value)的地位等同，二者不必加以区分，此类结构所支持的这种新的数据访问方式称为循值访问(call - by - value) 。（之前学的是循秩访问）
既已抛开大小次序的概念，采用循值访问方式的计算过程，自然不再属于CBA式算法的范畴，此前关于CBA式算法下界的结论亦不再适用，一条通往高效算法的崭新大道，由此在我们面前豁然展开。
当然，为支持循值访问的方式，在符号表内部，仍然必须强制地在数据对象的数值与其物理地址之间建立某种关联。而所谓散列，正是在兼顾空间与时间效率的前提下，讨论和研究赖以设计并实现这种关联的一般性原则、技巧与方法。
9.1 词典ADT
9.1.1 操作接口
9.1.2 操作实例
注意第二次put()操作，其拟插入词条的关键码“Yide”，在该词典中已经存在，插入效果等同于用新词条替换旧词条。
9.1.3 接口定义
0001 template <typename K, typename V> struct Dictionary { //词典Dictionary模板类
0002 virtual int size() const = 0; //当前词条总数
0003 virtual bool put ( K, V ) = 0; //插入词条（禁止雷同词条时可能失败）
0004 virtual V* get ( K k ) = 0; //读取词条
0005 virtual bool remove ( K k ) = 0; //删除词条
0006 };
其中所有操作接口均以虚函数形式给出，留在派生类中予以具体实现。
9.1.4 实现方法
不难发现，基于此前介绍的任何一种平衡二叉树，都可便捷地实现词典结构。比如Java语言的java.util.TreeMap类即是基于红黑树实现的词典结构。然而这类实现方式都在不经意中假设“关键码可以比较大小”，故其所实现的并非严格意义上的词典结构。
以下以散列表为例介绍词典结构的实现方法。尽管它在底层引入了某种“序”，但这类“序”只是内部的一种约定；从外部接口看，依然只有“相等”的概念。
“开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 17 天，点击查看活动详情”
