百度的笔试题，有两题不明，求讨论

[每天看一遍，防止恋爱&&堕落]

第一题：

给出a-z，0-9，输出所有的3个字符的组合

我是穷举出来的，n^3次方复杂度，很不好，大家讨论讨论能不能调优，网上说可以用递归，不知怎么解，如果不用递归又该怎么解？

第二题：

现在有100W条学生数据，格式如下：
姓名---------------描述
张三---------------爱好篮球
李四---------------爱好足球
王五---------------IT从业者，喜欢C++
姓名字段不超过4个汉字，描述字段不超过50个汉字，请实现一个查系统，要求如下：
1) 可以根据姓名快速查到描述信息
2) 可以根据描述信息(这里假设只通过一个字)，比如“爱”，找到对应的姓名张三和李四
3) 不能利用现在的数据库系统

说说我的思路：姓名那个比较简单，用汉字的拼音进行索引归类来处理，但是描述信息我就悲剧了，还是这样处理显然不行，50*100W就是5000W，这得崩溃了，大家有没有啥想法

[ii_Forrest]

学习了，多向高人学习

[ws0308]

引用 257 楼 jak1986 的回复:

引用77楼 其实第一题就是一个36进制的算法 如果你用穷举便利说明比较传统 如果你把它看成36进制就快乐很多 最大值zzz 最小值000 C/C++ code123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555……

这个代码有bug，含有重复的，而有的却没有生成，比如010、110、a00等

[cc_weige]

各种犀利 学习了

[prototyper]

270#简化：

Array.prototype.getCombination = function(k) {
     var arr = [], q = this, n = q.length;
     ~function(o, i, j, k) {
         if (k == 0) {
             arr.push(o.join(""));
             return 
         }
         while (q[j]) { 
             o[i] = q[j], j ++;
             arguments.callee(o, i + 1, 0, k - 1);
         }
     }([], 0, 0, k);
     return arr
}

TEST：

<textarea id="show" style="width:600px;height:500px"></textarea>
<script type=text/javascript>
Array.prototype.getCombination = function(k) {
     var arr = [], q = this, n = q.length;
     ~function(o, i, j, k) {
         if (k == 0) {
             arr.push(o.join(""));
             return 
         }
         while (q[j]) { 
             o[i] = q[j], j ++;
             arguments.callee(o, i + 1, 0, k - 1);
         }
     }([], 0, 0, k);
     return arr
}
document.getElementById("show").innerHTML = "0123456789abcdefghijklmnopqrstuvwxyz".split("").getCombination(3).join(",");
</script>

[prototyper]

对应第一题，刚写了个算法，较为简洁但效率SO&SO，但取3位的组合还行：

Array.prototype.getCombination = function(m) {
     var arr = [], q = this, n = q.length;
     ~function(o, i, j, n, m) {
         if (m == 0) {
             arr.push(o.join(""));
             return 
         }
         for (; q[j]; j ++) { 
                o[i] = q[j];
                arguments.callee(o, i + 1, 0, n, m - 1);
         }
     }([], 0, 0, n, m);
     return arr
}

TEST：

<textarea id="show" style="width:500px;height:500px"></textarea>
<script type=text/javascript>
Array.prototype.getCombination = function(m) {
     var arr = [], q = this, n = q.length;
     ~function(o, i, j, n, m) {
         if (m == 0) {
             arr.push(o.join(""));
             return 
         }
         for (; q[j]; j ++) { 
                o[i] = q[j];
                arguments.callee(o, i + 1, 0, n, m - 1);
         }
     }([], 0, 0, n, m);
     return arr
}
document.getElementById("show").innerHTML = "0123456789abcdefghijklmnopqrstuvwxyz".split("").getCombination(3).join(",");
</script>

[xidike]

学习下 .都不错..

[a13774]

学习下 .....

[kissoday]

引用 85 楼 sjjwind 的回复:

每个汉字不都是两个字节的unicode码么，用这个来做索引（总共也就65536个，还有很多地方是用不到的），不需要用拼音，而且不准确，然后把目前所有的信息都单独存放起来，然后建立两个hash表，一个是查询姓名的，一个是查询关键字的，比如爱的unicode是xxx，那么在hash(xxx)的后面挂个指针域，指向这条描述，姓名也差不多的做法。

正解。。。

[LAONINGA098]

很好哦....

[八哥]

离散一次就行了 比如 描 有0 述 有0 爱 有1，2 好 有1，2 ............... 这个建好后 查讯就简单多了 这是对每个字做离散处理 实际应用中 是对每个词做离散处理（比如 爱好 篮球 足球 IT 喜欢） 姓名---------------描述 张三---------------爱好篮球 李四---------------爱好足球 王五---------------IT从业者，喜欢C++

[_IdleMind]

第一题：要列出所有排列，就是让你直接打印都是那个复杂度，所以没法优化了。递归和迭代，自己再学习一下吧。 第二题：正向索引可以考虑Hash表，第二问可以用倒排索引。

[一起来玩玩呗]

第一次不就是n个字符中选取m个数的组合嘛.... 递归不重复的组合

#include <iostream>  
using namespace std;  
const int MAX = 10;  
int number[MAX], used[MAX], result[MAX];  
int n;  
  
void f(int l)  
{  
    if(l==n)  
    {  
        for(int i=0; i < n; i++)  
            cout << result[i] << ' ';  
        cout << endl;  
        return ;   
    }  
    for(int i=0; i < n; i++)  
    {  
        if(used[i]>0)  
        {  
            used[i]--;  
            result[l] = number[i];  
            f(l+1);  
            used[i]++;            
        }  
    }  
}  
  
void readData()  
{  
    int count=0, value;  
    cin >> n;  
    for(int i=0; i < n; i++)  
    {  
        cin >> value;  
        int j;  
        for(j=0; j < count;j ++)  
        {  
            if(number[j]==value)  
            {  
                used[j]++;  
                break;  
            }  
        }  
        if(j==count)  
        {  
            used[count]=1;  
            number[count++] = value;  
        }  
    }  
}  
  
int main()  
{  
    readData();  
    cout << "Result is :" << endl;  
    f(0);  
    return 0;  
}  

至于第二题，就是一对多和多对一的问题，索引，建立关键字等一些东西都可以提高效率

[Eleve]

第一题我觉得因为组合很少，用哈希表应该是最快的

[幸运小侯子]

一题穷举+1，字典毕竟一共就26*2+10个字符，二题不知，来挣积分

[brk1985]

引用 48 楼 lucene456 的回复:

第2题 string nam[]=split（“姓名”）； string discrption[]==split("爱好"); name[i].dis 对应 discption[i]; 创建索引文件 create_index[汉字]=(次数，value,location,name[]<->discrption[]) 查询索引文件 index.search("汉字"）{ return (location ,value) }

思路是这样的，建索引，，，具体怎么编程还是有点摸不着头脑。。。

[SmallBoat2000]

1、n＝36，n的3次方才4万左右，穷举法完全没问题。 2、不能用现有的数据库系统就用hadoop吧。把数据存到hadoop系统中，用类sql的HQL查询： select 描述 from table where 姓名='XXX'; select 姓名 from table where 描述 like '%爱%'; （Hive建表语句： CREATE EXTERNAL TABLE IF NOT EXISTS _Table( 姓名 STRING, 描述 STRING, ) ROW FORMAT DELIMITED FIELDS TERMINATED BY '|' STORED AS TEXTFILE LOCATION '/apps/hive/..../_Table' ; ） 企业需要的实战人才，相信我，这就是最佳的实战解决方案。

[yanleiberg]

引用 85 楼 sjjwind 的回复:

每个汉字不都是两个字节的unicode码么，用这个来做索引（总共也就65536个，还有很多地方是用不到的），不需要用拼音，而且不准确，然后把目前所有的信息都单独存放起来，然后建立两个hash表，一个是查询姓名的，一个是查询关键字的，比如爱的unicode是xxx，那么在hash(xxx)的后面挂个指针域，指向这条描述，姓名也差不多的做法。

每条记录要预处理一下加个id，100万条用四Byte int足够了 实际占用空间： 64K个汉字 x 2Byte + 64K个汉字 x （平均每个字对应最多50个记录） x 4Byte RowId = 12928K = 13MB, 实际情况可以建立一个二维数组 int（65535, 51）即可，每行第一个记录是汉字unicode，后面50条是对应的rowid。 用数字的好处是查询很快，但空间利用效率不高，可以用hashtable 索引汉字unicode，后面的mapping rowid用list或者arraylist，不过最多也就用13MB而已，如果超出的话就还是用二维array比较好。

[yanleiberg]

额，287楼有个错误，空间计算可以用平均每汉字50个rowid， 但是实际存储要用list或者hashtable因为某一个单独汉字可能对应多于50条记录。

[luoweifu]

说一下第二题的思路： 1.用一个Map来存放数据，姓名为key，描述为value，这样可以根据姓名来快速查找描述信息，解决第1个问题； 2.对map进行排序（根据字典序），输入关键词时就可以根据字典序快速索引，解决第2个问题。

[Koala_1]

正在学习中。。。