【高精度】 利用分段存储的方法储存大数与运算

引：有时候我们遇到一种图论题，就是要你将算出来的路径中每条边的权值之积或和求出来，虽然每条边的权值都比较小，但算到最后结果却很大，不得不用高精度方法存储数据的时候，你怎么处理？

传统的高精度是用char[]数组来存储，这个对于上述问题，运算起来并不是很方便，这里介绍一种基于分段进行数据存储的大数处理方法给大家，其运算方便程度、空间和时间复杂度对比传统的高精度算法都有了一定提高。

=====================================================================

先介绍存储机制，分段存储的，这里先随便给个数，比如：5432156454

我们把这个数分成3段，每4位数作为一个段：

我们可以用三个变量来存储这三段数

int first, seconed, thrid;

输出时只需按thrid, seconed, first的顺序把变量逐个输出，就可以得到原来的大数了。

实际上我们可以把first, seconed, third合并成一个数组BigNumber[3] = {6454, 3215, 54}，那么分成3段的大数实际上是以数量级的形式被划分成了3段，每个数量级之间的进制为10000，其中BigNumber[0]为该大数的第1数量级，这就是大数的基本储存原理，其核心思想就是设置一个极大的进制，然后按进制分段存到数组里。

--------------------------------------------

一个大数的存储结构为：

#define SCALE ScaleNum  //数量级之间的进制，一般设成10的幂次方数

struct BigNumber{