百度笔试题(2005)

出自求职百科

1）此题10分

　　对任意输入的正整数N，编写C程序求N!的尾部连续0的个数，并指出计算复杂度。如：18！＝6402373705728000，尾部连续0的个数是3。 　　（不用考虑数值超出计算机整数界限的问题）

2）此题10分 　　编写一个C语言函数，要求输入一个url，输出该url是首页、目录页或者其他url
　　如下形式叫做首页：
　militia.info/
　www.apcnc.com.cn/
　http://www.cyjzs.comwww.greena888.com/
　www.800cool.net/
　http://hgh-products.my-age.net/
　如下形式叫做目录页：
　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/

请注意：

　a） url有可能带http头也有可能不带
　b）动态url（即含有"？"的url）的一律不算目录页，如：
　www.buddhismcity.net/utility/mailit.php?l=/activity/details/3135/
　www.buddhismcity.net/utility/mailit.php?l=/activity/details/2449/

　另：如果你会linux，请用linux下的grep命令实现第2题的功能（附加5分）。

3）此题40分

　如果必须从网页中区分出一部分"重要网页"（例如在10亿中选8亿），比其他网页更值得展现给用户，请提出一种方案。

4）此题40分

　　假设有10亿网页已经被我们存下来，并提供如下信息：网页全文（即网页的源码）、全文长度、网页正文（即网页中提取的主体文字）、正文长度，以及其他网页提取物等，现在希望去掉其中的重复网页，请提出可行的方案，计算出每个网页对应的重复度，你可以自己对网页重复下定义，也可以提出需要哪些更多的网页提取物来实现更好的去重复方案。