1、寫一段程序，找出數組中第k大小的數，輸出數所在的位置。例如{2，4，3，4，7}中，第一大的數是7，位置在4。第二大、第三大的數都是4，位置在1、3隨便輸出哪一個均可。
函數接口爲：int find_orderk(const int* narry,const int n,const int k)
Answer：另外使用一個數組b[]記錄原來的數據，再使用堆排序，進行k次堆排序，然後輸出堆頂的元素。將該元素輸m出後，在b[]中遍歷查找m的位置，然後輸出
2、 對任意輸入的正整數N，編寫C程序求N!的尾部連續0的個數，並指出計算複雜度。如：18！＝6402373705728000，尾部連續0的個數是3。 （此題10分 ）
（不用考慮數值超出計算機整數界限的問題）
Answer：（採用數組a[M]記錄N！的每一位，a[0]放置該數字的長度，然後遍歷整個數組，計算尾部連續的0的個數。）
http://blog.csdn.net/sailor_8318/archive/2008/10/17/3088162.aspx
Baidu和EMC的筆勢題：對任意輸入的正整數N，編寫C程序求N!的尾部連續0的個數，並指出計算複雜度。如：18！＝6402373705728000，尾部連續0的個數是3。（不用考慮數值超出計算機整數界限的問題）
思路分析：
本題要用數學的方法來解決效率最高，連續K個0，則說明是10^K的倍數，即(2×5)^ K= 2^K× 5^K；待求的數爲N*(N-1)(N-2)………1，由於每兩個數至少可以分解出1個2，2肯定比5多，因此K的個數取決於上式的分解因子中有幾個5的問題；能拆解出5的只可能是5的倍數，而能拆解出多少個5則看這個數是5的幾次方的倍數了
////////////////////////////////////////////////////
方法一：
int ZerosForN_1(int n)
{
int fives,result=0,i;
for(fives=5; n >=fives; fives+=5) // 循環次數爲n/5
{
for(i=fives; i%5==0; i/=5) // 此處的最大循環次數爲 LOG5(N)
{
++result;
}
}
//printf("%d/n",result);
return result;
}
for循環的算法複雜度最容易看出來，就是for循環的次數，最大循環次數爲n/5 * LOG5(N) ，因此複雜度是O（nlogn）的
思路最清晰，即對於每個5的倍數的值，求其可被5整除的次數，即可求出最後5的因子個數和
////////////////////////////////////////////////////
方法二：
int ZerosForN_2(int n)
{
int pow5,result=0;
for(pow5=5; n >=pow5; pow5*=5) // 此處的循環次數爲LOG5(N)
{
result+=n / pow5;
}
//printf("%d/n",result);
return result;
}
N不變，pow5以5的冪遞增，此算法的思想是求出N以內所有被5整除的數的個數，所有被25整除的個數（在5的基礎上多出了一個5因子），所有被125整除的個數（在25的基礎上多出了一個5因子）。。。。
設最大數爲N,
設5^(n+1) > N >= 5^n
[N/5] + [N/(5^2)] + [N/(5^3)] + ... + [N/(5^n)] 即爲連續0的個數
上述式子的項數爲log5(N)，即爲循環的次數，故複雜度爲log5(N)
////////////////////////////////////////////////////
方法三：
[N/5] + [N/(5^2)] + [N/(5^3)] + ... + [N/(5^n)]
=[N/5] + [[N/5]/5] + [ [[N/5]/5]/5] + ... + [。。。]
=A1+ [A1/5] + [A2/5] + ... + [An-1/5]
即上述各項構成等比數列，An=An-1/5，等比爲1/5
即對A1反覆除5，只要其大於0，即相加，便得到以下算法：
int ZerosForN_3(int n)
{
int result=0;
n/=5; // A1
while(n >0
{
result += n; //求和
n/=5; // 求An
}
//printf("%d/n",result);
return result;
}
等比數列的項數爲log5(N)，即爲循環的次數，故複雜度爲log5(N)
3、 編寫一個C語言函數，要求輸入一個url，輸出該url是首頁、目錄頁或者其他url
如下形式叫做首頁：
militia.info/
www.apcnc.com.cn/
http://www.cyjzs.comwww.greena888.com/
www.800cool.net/
http://hgh-products.my-age.net/
如下形式叫做目錄頁：
thursdaythree.net/greenhouses--gas-global-green-house-warming/
http://www.mw.net.tw/user/tgk5ar1r/profile/
http://www.szeasy.com/food/yszt/chunjie/
www.fuckingjapanese.com/Reality/
（ 此題10分）
請注意：
a） url有可能帶http頭也有可能不帶
b）動態url（即含有"？"的url）的一律不算目錄頁，如：
www.buddhismcity.net/utility/mailit.php?l=/activity/details/3135/
www.buddhismcity.net/utility/mailit.php?l=/activity/details/2449/
另：如果你會linux，請用linux下的grep命令實現第2題的功能（附加5分）。
Answer：
http://hi.baidu.com/cuifenghui/blog/item/bea757435238a0129213c609.html
/***********************************************
描述: 編寫一個C語言函數，要求輸入一個url，輸出該url是首頁、目錄頁或者其他url
如下形式叫做首頁：
militia.info/
www.apcnc.com.cn/
http://www.cyjzs.comwww.greena888.com/
www.800cool.net/
http://hgh-products.my-age.net/
如下形式叫做目錄頁：
thursdaythree.net/greenhouses--gas-global-green-house-warming/
http://www.mw.net.tw/user/tgk5ar1r/profile/
http://www.szeasy.com/food/yszt/chunjie/
www.fuckingjapanese.com/Reality/
請注意：
a） url有可能帶http頭也有可能不帶
b）動態url（即含有"？"的url）的一律不算目錄頁，如：
www.buddhismcity.net/utility/mailit.php?l=/activity/details/3135/
www.buddhismcity.net/utility/mailit.php?l=/activity/details/2449/
另：如果你會linux，請用linux下的grep命令實現第2題的功能（附加5分）。
思路: 經觀察，首頁類的url中之多含有3個/(http頭的//和末尾的/),或者只含有1個
/(沒有http頭),而目錄類的url所含的個數至少爲2個(此時不含http頭)或至少4個(此時
包含http頭)。如果url中出現?則視爲動態網頁，歸類爲其他網頁。
作者: xiaocui
時間: 2007.9.12
版本: v1.0
**************************************************************************/
#include <iostream>
#include <string>
using namespace std;
string result[3] = {"首頁","目錄頁","其他頁"};
string getCategory(string url)
{
//首先判斷是否是動態網頁
if ( strchr(url.c_str(),'?') != NULL )
{
return result[2];
}
bool isHttp; //是否包含http頭
if ( strstr(url.c_str(), "http://") != NULL )
{
isHttp = true;
}
else
{
isHttp = false;
}
if ( isHttp == true )
{
char* buff = new char[url.size()-7]; //去除http://和最後的/
int i;
for(i=0; i<url.size()-8; ++i)
{
buff[i] = url[7+i];
}
buff[i] = '/0';
if ( strchr(buff,'/') == NULL )
{
delete[] buff;
return result[0];
}
else
{
delete[] buff;
return result[1];
}
}
else
{
char* buff = new char[url.size()+1];
strcpy(buff,url.c_str());
buff[strlen(buff)-1] = '/0'; //去除最後的/
if ( strchr(buff,'/') == NULL )
{
delete[] buff;
return result[0];
}
else
{
delete[] buff;
return result[1];
}
}
}
int main()
{
cout << "請輸入url: ";
string url;
cin >> url;
cout << "url類型爲: " <<getCategory(url) << endl;
return 0;
}
4、 如果必須從網頁中區分出一部分"重要網頁"（例如在10億中選8億），比其他網頁更值得展現給用戶，請提出一種方案。（此題40分）
假設有10億網頁已經被我們存下來，並提供如下信息：網頁全文（即網頁的源碼）、全文長度、網頁正文（即網頁中提取的主體文字）、 正文長度，以及其他網頁提取物等，現在希望去掉其中的重複網頁，請提出可行的方案，計算出每個網頁對應的重複度，你可以自己
對網頁重複下定義，也可以提出需要哪些更多的網頁提取物來實現更好的去重複方案
Answer:
http://topic.csdn.net/u/20080523/15/2df34173-58a4-4c36-9438-de1ec8b9cb14.html
1)如果必須從網頁中區分出一部分"重要網頁"（例如在10億中選8億）
PageRank
Lz 說道去掉其中的重複網頁
計算相似度，投到向量空間上去，計算夾角
這些都是考Sense的，你若能提出完美的解決方案，百度不去也罷，基本可以自己搞了。
就是，有些公司面試會拿一些公司目前還在設計的算法，羣策羣力，從中找到一些思想
你可以自己對網頁重複下定義——如果想到優秀的算法，有個更好的定義，就可以自己搞了
懷疑這種題不是測試題，就是他們內部的算法需求。
2) http://bbs.chinaunix.net/viewthread.php?tid=983568&page=2
網頁除重，根據不同的應用，考慮到效率，又不同的辦法。
如果數據量小，可以用詞頻相似度的辦法。Sim(A,B)=2 * same(A,B)/(|A|+|B|),
爲了提高速度，可以先對所有文檔建立詞級的倒排索引表，記錄長度表。這樣輸入一篇新的文檔，求與它相似的所有文檔的時候，就不需要>把輸入文檔與庫中記錄一一比較。只需要切詞，檢索，索引歸併，截取，就能找到所有相似文章。可以用title來做，也可以用content來做。>這種方法的複雜度幾乎爲常數。
對於垂直領域的搜索，這種種方法是足夠了。
如果數據量實在太龐大。目前只有關鍵詞簽名法，最長句子簽名法。（對於通用搜索引擎）
首先，網頁去重分爲鏈接去重和內容去重。鏈接是否重複可以使用布隆過濾器，內容去重可以使用向量空間模型，計算兩個網頁的夾角；也可以提取網頁的適當內容，然後判斷這些內容是否相似來判斷兩個個網頁的重複讀。
