百度07在线笔试

一、 一个文本文档有多行，每行为一个URL。请编写代码，统计出URL中的文档名及出现次数。

　　a) 文档名不包括域名、路径和URL参数，例如http://www.rs.com/n.op/q/rs?id=1中的文档名是rs。

　　b) 部分URL可能没有文档名，例如http://www.abc.com/，这类统计为“空文档名”。

　　c) 出现在不同URL中的相同文档名视为同一文档名，例如http://www.ceshi.com/hi.php

　　和ftp://ftp.cdef.com/hi.php为同一文档名

　　文档内容示例如下：

　　http://www.test.com/abc/de/fg.php?id=1&url=http://www.test.com/index.html

　　http://www.ceshi.com/hi.jsp

　　ftp://ftp.ceshi.com/hi.jsp

　　http://www.hello.com/cw/hi.jsp?k=8

　　http://www.hi.com/jk/l.html?id=1&s=a.html

　　http://www.rs.com/n.op/q/rs?id=1

　　http://www.abc.com/

　　二、 一个简单的论坛系统，以数据库储存如下数据：

　　用户名，email，主页，电话，联系地址，发帖标题，发帖内容，回复标题，回复内容。

　　每天论坛访问量300万左右，更新帖子10万左右。

　　请给出数据库表结构设计，并结合范式简要说明设计思路。

　　三、 现有两个文档，

　　a)数据文档A，格式为：关键词、IP地址、时间，记录条数为1000万左右，该文档是无序排列的。

　　b)数据文档B是关键词ID到关键词的对应表文档，格式为：ID、关键词，记录条数在100万左右，也是无序排列的。该对应表中的记录是一一对应的，不存在ID或关键词重复的情况。

　　需要将数据文档A对应的关键词替换为B中的ID，生成新的数据文档C，数据文档C的格式为：关键词ID、IP地址、时间。

　　请设计一个程式，实现上述功能，并分析时间复杂度和空间复杂度。运行程式所使用的服务器的内存为1G，硬盘足够大。(至少要给出关键算法和设计思路)

百度12-6试题.html

　　专家回答： 　

　　第一题简评　　百度的主要业务是搜索，搜索的基本原理如下　　1．编写爬虫程式到互连网上抓取网页海量的网页。　　2．将抓取来的网页通过抽取，以一定的格式保存在能快速检索的文档系统中。　　3．把用户输入的字符串进行拆分成关键字去文档系统中查询并返回结果。　　由以上3点可见，字符串的分析，抽取在搜索引擎中的地位是何等重要。　　因此，百度的笔试面试题中，出现这样的题就变得理所当然了。　

 

转自：http://www.21ks.net/qzzpl/zpxx/lnzt/200808/49378.html