算法 -- IT技术博客大学习 -- 共学习共进步！

• Levenshtein distance相似度算法

Levenshtein distance最先是由俄国科学家Vladimir Levenshtein在1965年发明，用他的名字命名。主要用途： Spell checking(拼写检查) Speech recognition(语句识别) DNA analysis(DNA分析) Plagiarism detection(抄袭检测) Spam e...

• 递归字符转义

这个ecshop里面的一个函数，感觉很好，再次跟大家分享。

• 腾讯php程序员面试题目答案――编程任务

编程任务：１、我们碰到了大麻烦，一个新来的传教士惹恼了上帝，上帝很愤怒，要求我们把圣经（bbe.txt）背熟，直至他说哪个单词，我们就要飞快的回答出这个单词在第几行第几个单词位...

• 腾讯php程序员面试题目答案

在我鸦片师兄的博客看到他对腾讯面试题的解答,我心血来潮,在他的基础上面提出了自己的解法，主要是受他的启发，利用令牌算法优化了一下. 设计任务：１、最近总有人骚扰我们的投票模块...

• 基于trie数据字典的php中文分词

keywords:中文分词、PHP中文分词、trie数据结构、Doubule Array Trie Datastruct 原理： Trie数据结构的名词介绍我就不介绍了，大家google,百度可以搜索一大堆的文章来. Tire索引树法结构：首字散列表、Tri...

• 腾讯-1亿个数据取前1万大的整数-题解答

题目描述： 1亿个数据取前1万大的整数常规思路：运用数据结构里面描述的常规排序算法,快速排序法是常规排序中速度最快的我的思路： ====我的机器太差，就不跑1亿数据了，10000吧 1、把1...

• 关于新闻网页正文抽取的一些思路

A:估计很多人只想要简单快速地实现正文抽取,我特地将PHP版本的调用示例给了出来,并打包提供下载:demo.tar; B:希望自行实现的朋友可以顺这两个思路来实现: i):链接密度算法:简单点说,就是统计每一个HTML子节点的链接密度,然后找出链接密度最小的那个点;对于中文新闻网页,这个密度值通常是0.03到0.05这个范围内,个别站点可能超出这个范围;当然你可以综合一下文本长度等等因素来考虑;网上有位达人写了一份python版的程序,可以考虑借鉴...

• 超级BT+无聊的订单号(或唯一编号)生成方法-_-

适合电子商务系统或需要生成绝对唯一ID的系统。

• 区分一个包含汉字的字符串是 UTF-8 还是 GBK

今天检查 svn 仓库，发现又有同学没按规定提交包含汉字的代码。我们规律，所有源文件中包含的汉字必须使用 UTF-8 编码方式，而不能使用 GBK 。总这么人工检查也不是个事。所以我想写一个 svn 的钩子，在提交前检查。在仓库的 hooks/pre-commit.teml 加一行检查脚本应该就可以了。我想用正则表达式匹配一下，可是想了想又觉得 UTF-8 和 GBK 的编码集有点交集，不太好做。btw, google 了一下，的确有人写过特定编码的正则表达式。

• 360软件管家通信协议分析

曾经说过360利用云计算打压竞争对手的事情，今日一改往事之郁闷，我专门来篇文章夸奖下360安全卫士。咳咳！今天不完全是写360安全卫士的，我喜欢其中的一个叫做软件管家的功能，坦白说，我有点喜欢新软件，喜欢没事升级升级，尤其是chrome，一有新版本出来，我立马升级，好不含糊！国内这种软件管家很多的，不过我个人觉得360软件管家速度比较快。这点上，360的软件管家立功了，因为公司强制每台机器必须安装360，所以在公司，软件...

• 令人纠结的php几率算法问题

唉！现在终于发现上学时不好好念书有多少的坏处了，概率几率对于我来说一直是一个很难弄清楚的问题。今天，我又继续让这个问题纠结上了。好吧！来说说我的那点事儿，首先注明一下：这是一篇求助性文字，我的几率算法也许根本就是不对的。如果恰巧有数学系专家学者路过，那希望您能留言说两句。问题是这样子的：在一个物品合成系统中，需要使用几件不同的物品来合成宝石，有不同的几率生成一颗（50%）、两颗（16%）和三颗（2%）宝石...

• 递归并不一定非得是“自己调用自己的function”

-_-居然忘掉鸟while、for这么好的哥们。。。昨日晚上于家中折腾CrumbNavigation，即所谓面包屑导航。。一直在为递归纠结。。哎。。香烟过后，恍然大悟啊。。T.T…这个教训不能忘。

• web socket 心跳包的实现方案

现在网络环境错综复杂，socket心跳包是获得健康强壮的连接的有效解决方案，今天，我们就在web socket中实现心跳包方案，是的，尽管我们只是做一个简单的聊天室，但我们让他稳定可靠一些一点也没有错。我的心跳包方案很是简单，原理就是间隔发送心跳包数据给服务器，服务器在一定时间内发回心跳包响应，对比超时限定，如果超过设定的超时时间，则认为当前与服务器的websocket连接已经断开，关闭当前web socket连接，善后处理，例如...

• 内存越界的概念和调试方法

所谓内存越界（Heap Corruption），就是指当内存输入超出了预分配的空间大小，就会覆盖该空间之后的一段存储区域，导致系统异常。越界访问是非常常见的一种黑客手段。相关文章:善用消费者的“无知” 营销做到“无敌” 　　在工作中接触不少中小企业的老板，因而常听到他们用“这个行业市场很混乱，消费者很不理性”的理由，来说明企业的销售做不好的缘故。每逢“3.15”，总有不少企业在媒体上叫卖诚信，认为博得消费者信任是企业宣...

• 正则表达式解题经验谈

这两天，我的同事丁宇（@felixding，极具艺术气质的设计师，推荐）遇到了一个正则表达式的问题，我琢磨了半天写了一个表达式，暂时能用；今天庄表伟（@zhuangbiaowei）跟我说，正则表达式的问题大家一般都会查手册，但怎么思考和解决问题，往往束手无策；正好，我在写作的《正则表达式傻瓜书》，也希望多讲讲这方面的内容。目前的写作还没有进展到介绍解题经验的阶段，索性，先在blog上写这方面的内容吧，希望对大家有所帮助，也希...

• 过滤字符的性能调优?

起因前一段时间和其他系统集成, 另外一个系统对某个参数有一个限制,需要将字符串中的特殊字符过滤掉, 由于需要过滤的字符是对方定义的, 所以对方直接把他们系统中的过滤的代码给我了

• 共享 lua state 中的数据

今天和倩女幽魂的同事讨论一个问题：他们的游戏 client 中，有大量策划填写的表格直接导入 lua state 中的大量数据。大约有 100M 以上。这样，如果玩家在一台机器上启动多个 client ，就会占用大量的内存。而这些数据，一旦加载进 lua ，就不会再修改，且每个 client 中数据都是一致的，这是一种浪费。问题是：如何利用进程间的数据共享，在多开 client 时节省这些空间。（同时也可以加快开第二个 client 的启动速度）

• 日志扫描之利器:否定式前瞻的正则表达式

数据平台的源数据，很大部分来源于日志。一说到日志扫描和解析，不可避免就涉及到正则表达式匹配，没有了正则表达式，日志的匹配就很难做到自动化和高效。在日志匹配中，有种常见的匹配情形，叫“不包含”。就是说，我们希望这条日志，在匹配某个通用特征的情况下，又不包含某个特征，例如说： A pig is running. 我们希望匹配到所有带pig的日志，但是我们不希望匹配到pig带running的日志。而我们不希望改程序，扫描或者解析2次，...

• 具有时效性的PHP字符串加密解密函数

范围：单点登录传递,临时密码,原创在这里最近，从discuz里面发现了一个很牛的加密解密函数。此函数的厉害之处在于可以在指定时间内加密还原字符串，超时无法还原这样我们就可以拿此...

• 无聊写了一个字母的冒泡排序法

为了学习使用gdb调试程序,尝试的写了一个学生时代的程序来调试，居然修改了N处地方才改对，忘却了C了，应该回归了。 #include #include void main() { int i,j...