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