2007年百度之星程序设计大赛试题初赛题目-题1-百度的高级搜索方法

来源:互联网 发布:js array 方法大全 编辑:程序博客网 时间:2024/06/05 14:51

题面描述: 

你尝试过在百度上使用 site inurl 语法查询吗 如果还没有的话可以试一下 :) 

如输入 site:www.baidu.com inurl:news 

则会搜出所有在 www.baidu.com 站点上的包含 "news" 子串的 url 。 

现在我们有两份数据,一份是 site_inurl.txt 一份是 url.txt 

site_inurl.txt 中每行是一个 site inurl 语法组成的查询串, url.txt 中保存的是 url 列表。 

你能否在 url 列表中找出所有能被 site_inurl.txt 中的查询串检索到的 url? 

如 site_inurl.txt 内容如下: 

site:www.baidu.com inurl:/more 

site:zhidao.baidu.com inurl:/browse/ 

site:www.sina.com.cn inurl:www20041223am 

url.txt 内容如下: 

http://www.baidu.com/more/ 

http://www.baidu.com/guding/more.html 

http://www.baidu.com/events/20060105/photomore.html 

http://hi.baidu.com/browse/ 

http://hi.baidu.com/baidu/ 

http://www.sina.com.cn/head/www20021123am.shtml 

http://www.sina.com.cn/head/www20041223am.shtml 

则你的程序运行完输出的结果应该为: 

http://www.baidu.com/more/ 

http://www.baidu.com/guding/more.html 

http://www.sina.com.cn/head/www20041223am.shtml 

程序以命令行形式传入这两个文件名,第一个参数为 site_inurl 文件对应的文件名,第二个参数为 url 列表对应的文件名,程序的输出请输出到标准输出。


my answer:

把每个串分去掉不需要的信息,提取出两部分,一个是站点名node.site,一个是字符串node.name

然后用KMP算法进行匹配,KMP算法模版:串中的Find()

没有对特殊情况处理,假设所有输入都正确

#include <iostream>#include <fstream>#include <string>using namespace std;struct node{string str;string site;string name;}url[500];string url_txt;string site_inurl1, site_inurl2;int next[100];void insert(string url_txt, int x);node trans(string a, string b);bool match(node a, node b);void selfcmp(string str);int KMP(string a, string b);int main(){int cnt = 0;ifstream fin1, fin2;fin1.open("url.txt");while(fin1>>url_txt)insert(url_txt, cnt++);fin1.close();fin2.open("site_inurl.txt");while(fin2>>site_inurl1>>site_inurl2){node target = trans(site_inurl1, site_inurl2);selfcmp(target.name);for(int i = 0; i < cnt; i++){if(match(url[i], target))cout<<url[i].str<<endl;}}fin2.close();return 0;}void insert(string url_txt, int x){url[x].str = url_txt;url[x].site = "";url[x].name = "";int j = 7;while(url_txt[j] != '/')url[x].site += url_txt[j++];while(url_txt[j] != '\0')url[x].name += url_txt[j++];}node trans(string a, string b){node ret;ret.site == "";int j = 5;while(a[j] != '\0')ret.site += a[j++];j = 6;while(b[j] != '\0')ret.name += b[j++];return ret;}bool match(node a, node b){if(a.site != b.site)return 0;if(KMP(a.name, b.name)>=0)return 1;return 0;}int KMP(string a, string b){  int la = a.length();  int lb = b.length();        int i,j;      for(i=j=0; i<la&&j<lb; i++)      {          if(a[i] == b[j])              j++;          else if(j)          {              j = next[j-1]+1;              i--;          }      }      return j==lb?(i-lb):-1;  }    void selfcmp(string str){  int len = str.length();    memset(next, 0 , sizeof(next));      int i = 0, j;      next[0] = -1;      for(j = 1; j < len; j++)      {          for(i = next[j-1]; i>=0&&(str[i+1]!=str[j]); i = next[i])              ;          next[j] = (str[i+1]==str[j]) ? i+1 : -1;      }  }  


原创粉丝点击