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;
}
}