找出此产品描述中包含N个关键字的长度最短的子串

阿里巴巴笔试题：给定一段产品的英文描述，包含M个英文字母，每个英文单词以空格分隔，无其他标点符号；再给定N个英文关键词，请说明思路并变成实现方法。

String extractSummary(String description , String[] keyWords)

目标：找出此产品描述中包含N个关键字的长度最短的子串（20分）

W0 W1 W2 W3  Q0 W4 W5 Q1 W6 W7 W8 Q0 W9 Q1

 

P335 《编程之美》上的参考代码：

int nTarget = N + 1;

int pBegin = 0;

int pEnd = 0;

int nLen = N;

int nAbstractBegin = 0;

int nAbstractEnd = 0;

while(true)

{

 while(!isAllExisted() && pEnd < nLen)

  pEnd++;

 while(isAllExisted())

 {

  if(pEnd - pBegin < nTargetLen)

  {

   nTarget = pEnd - pBegin;

   nAbstractBegin = pBegin;

   nAbstractEnd = pEnd - 1;

  }

  pBegin++;

 }

 if(pEnd >= N)

  break;

}

 

 

 

1.将传入的keyWords[]生成哈希表，以便字符串比较 P337

struct keyWords{

    int cnt;

    char key[];

    int hash;

}

 

2.struct keyWord{当前扫描到的一个关键词

    int start;

    KeyHash* key;

    KeyWord* next;

    KeyWord* prev;

}

 

3.全局变量

KeyWord* head;

KeyWord* tail;

int minLen;

int minStartPos;

int needKeyCnt;

 

4.扫描文章，每扫描到一个关键字时，就建立一个KeyWord，并连入双向链表中。

    更新head,tail

    对应KeyHash结构中的cnt+1

    若cnt 0 - 1,则needKeyCnt - 1;

 

5.needKeyCnt = 0时，扫描到了全部关键字

链表头优化

若cnt大于1，说明摘要中还有相同；

跳过，cnt-1

直至某个链表头对应KeyHash中的cnt为1，此事该结构不能少了。

 

6.如果找到更短的minLength,更新minLength和minStartPos;

 

7.开始新一轮搜索

摘除链表第一个节点

needKeyCnt + 1;

下一节点 - 链表头，开始优化。

*搜索从上一次搜索结束处开始，不用回溯，一直沿文章向下。

 

7.实际意义：摘要应该包含完整的句子

struct Sentence

{

    int start;

    int end;

    KeyWord* StartKey;

    KeyWord* endKey;

    Sentence* prev;

    Sentence* next;

}

扫描到一个完整句子的结束

Sentence头结点优化

句子全部key的cnt-1;才去掉句子

更新HashKey

直至句子包含只出现一次的关键字

 

扩展问题：

    如何判断两个页面相似。