String 从文件中读取URL字符串列表，并找到前10个最容易读取的URL'；s

嗯

我在一大堆采访中都遇到了这个问题，我想我需要一些帮助来解决这个问题

你有一吨的URL的发言权作为一个字符串数组或读取一个文件。您现在需要获得前十个最容易阅读的URL，如文件中前十个最频繁的URL

我的做法是：

         Read them into a String Array, 
         Iterate through each String/URL,
             At every Iteration, put them into Hashtable, incrementing the count.
         Iterate again and find feed the scores into an array
         Sort and find the top 10 scores OR use max-heap to get the top 10.
         Iterate again and remove the URL's with the top 10 scores.

---

这是一个非常糟糕的答案吗？有人能帮我进一步解决这个问题吗？

运行时还不错，总体来说有点像O（nlogn）

---

但是，您可以跳过最后两个步骤。相反，遍历哈希表的条目（或URL），在遍历条目的同时，维护一个包含10个条目的数组，以获得前10个分数；这样您就跳过了排序步骤，整个运行时间将为O（n）。

首先，请注意，您不必要地使用了额外的内存。为什么要将所有内容读取到数组中，然后迭代该数组以将所有内容插入哈希表中？除非您有非常充分的理由这样做，否则您应该在阅读时将其放入哈希表中

这就减少了对阵列的需求，并将内存使用率降低了O（n）。其他步骤听起来相当合理。为前10名分数维护一个包含10个条目的数组的想法是一个不错的方法，但它提出了如何有效地实现这一点的问题

此外，使用哈希表可能会引起实现问题，因为您过于依赖内置库中的某些东西。为了便于访谈，可能更好的方法是将所有内容读取到二元搜索树，其中每个节点都有一个包含字符串的结构，以及该字符串的出现次数（以及指向左、右节点的指针）。二进制搜索树使您能够查看在O（log（n））时间内是否存在字符串。阅读所有内容并将其放入树中后，可以使用shell sort对树进行排序。Shell排序是这个练习的一个很好的选择，因为它倾向于快速消除大量的无序。此解决方案在O（nlog（n））时间内运行

---

如果你的面试官同意使用哈希表，那么实现一个树可能不值得费心，但如果你说“我将使用哈希表”，你可能会自食其果，当然，除非你实现了哈希表。这实际上取决于上下文。

您可以使用最小的内存和基本上不受限制的文件来执行此操作：

Use the OS-supplied sort utility to sort the URLs on disk
Create a priority queue (binary heap, for example)
For each URL in the file
    if the URL is the same as the previous URL
        increase count
    else
        AddToQueue(previous_url, count)
        previous_url = current_url
        count = 1
EndFor
AddToQueue(previous_url, count)

此时，访问量最大的前10个URL将位于优先级队列中

AddToQueue

函数如下所示：

AddToQueue(url, count)
    if (queue.Count < 10)
        add new url with count to queue
    else if (count > top_of_queue.count)
        remove top URL from queue
        add new url with count to queue

AddToQueue（url，计数）
if（queue.Count<10）
将带有计数的新url添加到队列
else if（计数>队列顶部计数）
从队列中删除顶部URL
将带有计数的新url添加到队列

---

如果您有足够的内存来加载所有的URL，您可以将它们加载到一个数组中并进行排序。但是如果你有足够的内存来存储所有的URL，那么基于字典的方法可能会更快。

相关问题，尽管它是跨网络的-。另一个相关问题-。只有当Unix

sort file.txt | uniq-c | sort-rn | head

提到哈希表和BST以及它们各自的优点时，才没有坏处，特别是在面试中。使用内置库没有什么错。BST通常也内置在库中。如果我们谈论的是自己实现它们，对我来说，实现也有类似的困难（或简单）。事实上，我会说BST可能更难，特别是考虑到BST如果不能自我平衡的话是相当无用的，你基本上需要记住如何做到这一点，因为很少有人能够在面试中从零开始理解它。在这种情况下，它是按字典排序的，因为它用来检查里面是否有字符串。您仍然需要根据字符串最后出现的次数对其进行排序。因此，我假设您不是指“对树进行排序”，而是指“将树复制到数组中并对其进行排序”（或类似操作），因为对树进行排序可能是一个相当大的挑战。或者维护指向每个树节点的指针列表

AddToQueue(url, count)
    if (queue.Count < 10)
        add new url with count to queue
    else if (count > top_of_queue.count)
        remove top URL from queue
        add new url with count to queue