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

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; } }

转载于:https://www.cnblogs.com/windmissing/archive/2012/05/19/2559821.html