百度面试题及我的解答(1)

前些日子有朋友去百度面试，带回来道面试题。颇为有趣，一年多没写过代码了。最近正寻思做点什么。正好从这个题开始学习算法吧。题目如下：有一个2G的文件，里面全是单词，想办法把所有的变位词找出。例如：stop和tops。(写这个记录的时候我已经开始做这个题目有些时间了。也再次拿起了《编程珠玑》<这次看的是第二版了>，发现不那么ACM的算法题基本都出自Pearls)初步想法：1.2G的大文件应该是不能内存操作的，但是可以尝试下使用内存映射文件直接排序。<暂时未深入去想>2.外部排序算法：翻书了，归并。3.我的思路：单词都是ASCII码，所以第一步：单词累加，和一样，并且长度一样的单词是相同变位词的可能性就很大了。按照这个记录结果。第二步：在前面的每个结果内，把单词内的字母排序，然后strcmp，相同的就是变位词。Pearls的解答：1.单词内字母排序2.按照第一步的结果排序单词3.按顺序输出即为变位词。我的看法：内存处理很快，不适合多核，没考虑怎么处理大文件。不过我也没考虑大文件，但是我觉得我的想法可以多核并发，但是有个文件，磁盘I/O那么慢，有必要多核吗？有待后面测试。准备工作：首先要生成字典文件。我找了全套Harrypotter的英文TXT下载。取了前四集作为输入，生成了我初步测试文件。HarryPotter生成的字典文件大概2.5M左右。Perl脚本如下：

subread_lines($$){

[/code]

my$filename=shift;

[/code]

my$outfilehandle=shift;

[/code]

openIN_FILE,"<$filename"ordie("Couldnotopen$filename");

[/code]

[/code]

while(1)

[/code]

{

[/code]

my$line=<IN_FILE>;

[/code]

if(notdefined($line))

[/code]

{last;}

[/code]

chomp($line);

[/code]

my@info=split//,$line;

[/code]

my$num=@info;

[/code]

my$i=0;

[/code]

for($i=0;$i<$num;$i++){

[/code]

my$word=$info[$i];

[/code]

$word=~/(/w+)/;

[/code]

$word=$1;

[/code]

$word=~tr/A-Z/a-z/;

[/code]

print$outfilehandle"$word/n";

[/code]

}

[/code]

}

[/code]

close(IN_FILE);

[/code]

}

[/code]

openOUT_FILE,">dict.txt"ordie("Couldnotcreateout_struct.txt");

[/code]

read_lines("1text.txt",OUT_FILE);

[/code]

read_lines("2text.txt",OUT_FILE);

[/code]

read_lines("3text.txt",OUT_FILE);

[/code]

read_lines("4text.txt",OUT_FILE);

[/code]

close(OUT_FILE);

[/code]