- 第二十五天:并查集
Shirandexiaowo
算法数据结构
今天是释然发题解的第二十五天,以后会经常和大家分享学习路上的心得,希望和大家一起进步,一起享受coding的乐趣本文约2400字,预计阅读10分钟昨天我们学习了动态规划之线性规划,忘记的小伙伴们可以看一下哦:动态规划之线性规划今天我们来聊一聊并查集,明天和大家分享树的问题的相关题目:并查集什么是并查集?用树表示集合获取树根合并第一种:第二种:路径压缩例题一:POJ1611问题分析树的遍历什么是并查
- poj1611——并查集基础题
木每立兄豪
并查集
题目链接:http://poj.org/problem?id=1611Severeacuterespiratorysyndrome(SARS),anatypicalpneumoniaofunknownaetiology,wasrecognizedasaglobalthreatinmid-March2003.Tominimizetransmissiontoothers,thebeststrategy
- POJ1611:The Suspects(模板题)
weixin_34367257
http://poj.org/problem?id=1611DescriptionSevereacuterespiratorysyndrome(SARS),anatypicalpneumoniaofunknownaetiology,wasrecognizedasaglobalthreatinmid-March2003.Tominimizetransmissiontoothers,thebestst
- poj1611并查集求元素所在集合的元素总数
yuanba_xs
并查集
并查集应用:求某元素所在集合的元素个数题目:已知有n个人,m个团队,已知0号选手有病毒,病毒会传染给他所在任一小组中的人。求最后有病毒的人的个数。思路1:对相同团队的人进行合并,最后输出与0在同一集合的元素个数。即是否满足find(0)==find(i)。思路2:对相同团队的人进行合并,合并过程中对集合元素个数num也和并,最后找到0的祖先的num即可思路1:#include#include#de
- 并查集题目总结
xuzengqiang
ACM并查集解题
有关并查集的知识可以点这里,这里知识说下题目:POJ1611(意思是有很多人编号为0~n-1,一开始只有编号为0感染了,然后输入多组数据n,m,n是总人数,m为群体数,接着有m行,每一行最前面的一个数表示这个群体的人数,然后输入这些人的编号,在这些群体中只要有一个被感染的话这群人都会被感染,问最后有多少人被感染。)很裸的并查集,直接输出与0在同一个群体的人的个数即可,代码略。
- 并查集入门题集 POJ1611 POJ1703 POJ2524 POJ1182
Rivercold
并查集
这几道题都是POJ中入门级别的并查集题目……一一道来http://blog.csdn.net/dellaserss/article/details/7724401这个写的特别好,基本上开完就能懂并查集的基本思想。POJ1161TheSuspects题意说是传染SARS其实就是找组织门派的……给出两个关系在一组的话,比较它们的find是否相等,相等不管了,不相等合并到一起并进行处理就好了……Code
- acm训练2019,1,23 poj1611 非典病毒传播 查并集
cp哦
Severeacuterespiratorysyndrome(SARS),anatypicalpneumoniaofunknownaetiology,wasrecognizedasaglobalthreatinmid-March2003.Tominimizetransmissiontoothers,thebeststrategyistoseparatethesuspectsfromothers.I
- 2018暑假集训楼下第九场(并查集,prim,kruskal)
拂袖秋波
并查集kruskalprim并查集primkruskal
TheSuspects(POJ1611)题意:SARS是一种传染性疾病,在某大学爆发了这种既疾病。为了减少对他人的传播,最好的方式是将病人与其他人隔离开。现在一名学生可能加入多个团体。一个团体的一名学生疑似患病,其他学生也要被隔离。编写一个找到所有患病嫌疑人的程序。输入:输入文件包含几种情况。每个测试用例以一行中的两个整数n和m开始,其中n是学生数,m是团体的数量。0#include#includ
- POJ1611:The Suspects
键盘上的舞者
并查集
DescriptionSevereacuterespiratorysyndrome(SARS),anatypicalpneumoniaofunknownaetiology,wasrecognizedasaglobalthreatinmid-March2003.Tominimizetransmissiontoothers,thebeststrategyistoseparatethesuspectsf
- POJ1611 The Suspects(并查集)
SeasonJoe
POJ并查集
第一次学并查集,总算对它有了一定的了解,基本就是连通的集合的问题参考博客:基本概念结合一些具体问题题意:学校中一共有m个学生,n个组,学生编号从0~m-1,现在学生0感冒了,如果组中有一人感冒,剩下的人都会感冒,给出每个组的具体学生序号,求出有多少人会感冒要点:并查集裸题,要点是先将所有组合并,最后遍历找于0同一根节点的数量即为感冒人数,要注意0不一定是最终的根节点15310408Seasonal
- POJ1611 The Suspects ACM解题报告(并查集水题)
Miracle_ma
acmpoj
这题就是典型的并查集啦,就是0号同学是非典携带者,然后和他一组的同学就都是,如果一组里有一个携带者,那么一组都被认为有携带者。#include#include#includeusingnamespacestd;intpre[30005];intFind(intx){intr=x;while(pre[r]!=r)r=pre[r];inti=x,j;while(pre[i]!=r){j=pre[i];
- POJ1611 The Suspects【并查集】
Enjoy_process
数据结构
Description严重急性呼吸系统综合症(SARS),一种原因不明的非典型性肺炎,从2003年3月中旬开始被认为是全球威胁。为了减少传播给别人的机会,最好的策略是隔离可能的患者。在Not-Spreading-Your-Sickness大学(NSYSU),有许多学生团体。同一组的学生经常彼此相通,一个学生可以同时加入几个小组。为了防止非典的传播,NSYSU收集了所有学生团体的成员名单。他们的标准
- POJ1611 ZOJ1789 UVA1197 UVALive2817 The Suspects【并查集】
海岛Blog
#ICPC-备用二#ICPC-并查集与LCA#ICPC-UVA#ICPC-UVALive#ICPC-POJ#ICPC-ZOJ
TheSuspectsTimeLimit:1000MSMemoryLimit:20000KTotalSubmissions:47596Accepted:22787DescriptionSevereacuterespiratorysyndrome(SARS),anatypicalpneumoniaofunknownaetiology,wasrecognizedasaglobalthreatinmid
- 并查集入门三连:HDU1213 POJ1611 POJ2236
RabbitMQ!!!
数据结构与算法
HDU1213http://acm.hdu.edu.cn/showproblem.php?pid=1213问题描述今天是伊格纳修斯的生日。他邀请了很多朋友。现在是晚餐时间。伊格纳修斯想知道他至少需要多少桌子。你必须注意到并非所有的朋友都互相认识,而且所有的朋友都不想和陌生人呆在一起。这个问题的一个重要规则是,如果我告诉你A知道B,B知道C,那意味着A,B,C彼此了解,所以他们可以留在一个表中。例如
- acm训练2019,1,23 poj1611 非典病毒传播 查并集
xcpooo
Severeacuterespiratorysyndrome(SARS),anatypicalpneumoniaofunknownaetiology,wasrecognizedasaglobalthreatinmid-March2003.Tominimizetransmissiontoothers,thebeststrategyistoseparatethesuspectsfromothers.I
- POJ 1611
vanadia
POJ1611题意有n个人参加了m个社团,同一个社团互相接触的人有感染非典的概率,已知0号同学是疑似病例,求总的疑似病例的人数。思路求并查集。#include#includeusingnamespacestd;constintMAXN=300001;intpre[MAXN];intn,m;intfind(inti){intj=i,temp;while(pre[i]!=i)i=pre[i];whil
- 并查集回顾
Df_cjc
并查集
今天做了一些欧拉函数和并查集得题目,总感觉这两天很没有状态啊,效率非常低下,希望早点恢复吧~~毕竟选拔赛马上就要到了因为状态原因,没有耐下心来去啃一道难题,也没有去学习新的知识点,复习了一下并查集POJ1611我一开使嘛,用很常规的思路去做,每一个组得老大为最后一个给出的人,然后我尝试再find函数进行时,减少结点得长度(分级)就是让这条线上的都直接连在老大后面,左后判断每一个结点是不是0得老
- POJ1611 并查集 基础 比 2524 复杂一些
Arthur-Ji
水算法
#includeintfather[30001];intson[30001];intfind(intx){returnx==father[x]?x:find(father[x]);}voidmerge(inta,intb){intx=find(a);inty=find(b);if(x!=y){father[y]=x;son[x]+=son[y];}}intmain(){intqq[30001];i
- POJ 1611
vanadia
POJ1611题意有n个人参加了m个社团,同一个社团互相接触的人有感染非典的概率,已知0号同学是疑似病例,求总的疑似病例的人数。思路求并查集。#include#includeusingnamespacestd;constintMAXN=300001;intpre[MAXN];intn,m;intfind(inti){intj=i,temp;while(pre[i]!=i)i=pre[i];whil
- POJ1611(并查集)
LMFQYJ
大意:Description严重急性呼吸系统综合症( SARS), 一种原因不明的非典型性肺炎,从2003年3月中旬开始被认为是全球威胁。为了减少传播给别人的机会, 最好的策略是隔离可能的患者。在Not-Spreading-Your-Sickness大学( NSYSU), 有许多学生团体。同一组的学生经常彼此相通,一个学生可以同时加入几个小组。为了防止非典的传播,NSYSU收集了所有学生团体的成员
- 并查集初学(3)无间道之并查集 && POJ2542 && POJ1611
qq_32036091
并查集初学3无间道之并查集POJ25
1、hihocoder上面讲的一道题无间道之并查集水题,精髓在于使用map容器进行打标签#include
#include
#include
#include
#include
#include
usingnamespacestd;
constintmaxn=10005;
intp[maxn];
mapM;
intm;
intFind(intx)
{
returnx==p[x]?x:p[x
- POJ1611 The Suspects
lk951208
并查集
TheSuspectsTimeLimit: 1000MS MemoryLimit: 20000KTotalSubmissions: 30212 Accepted: 14692DescriptionSevereacuterespiratorysyndrome(SARS),anatypicalpneumoniaofunknownaetiology,wasrecognizedasaglobalthrea
- poj1611(超水并查集)
fengsigaoju
更新dota2的时候水了一题...好水#include
intpre[300005];
intn,m;
intfind(inti)
{
intj=i,temp;
while(pre[i]!=i)
i=pre[i];
while(j!=i)
{
temp=pre[j];//先记录下下一个长官
pre[j]=i;//统一都更新为i的手下
j=temp;//迭代
}
returni;
}
voidme
- 【并查集】:poj1611,The Suspects
mmc2015
并查集theSuspectspoj1611
http://poj.org/problem?id=1611题目大意:有一个学校,有N个学生,编号为0-N-1,现在0号学生感染了非典,凡是和0在一个社团的人就会感染,并且这些人如果还参加了别的社团,他所在的社团照样全部感染,求感染的人数。注意,并查集Find操作:不进行路径压缩:returnFind(a[i].parent)进行路径压缩:a[i].parent=Find(a[i].parent)
- POJ1611 The Suspects (并查集)
poj
本文出自:http://blog.csdn.net/svitter
题意:0号学生染病,有n个学生,m个小组。和0号学生同组的学生染病,病能够传染。
输入格式:n,m
&
- POJ1611(The Suspects)又见并查集
poj
http://poj.org/problem?id=1611
这貌似我做的第二道并查集的题,算是一道水题吧,题目的大概意思是找出与编号为0的人有
交集的人数。所以要将出现的集合中有交集的合并成大集合,最后输出0所在集合的人数。
贴代码:
#include<iostream>using namespace std;#define N 30005i
- 并查集 poj1611&poj2492
poj
poj1611 简单题
代码中id记录父节点,sz记录子树规模。一个集合为一棵树。
#include <iostream>
#include <cstdio>
using namespace std;
int id[300005];
int sz[300005];
void add(int a, int b)
{
int i, j;
- poj1611(简答并查集)
poj
http://poj.org/problem?id=1611
题意是找出可能携带病毒的人数 就是把有交集的集合合并在一起 答案就是最后0所在集合的人数
并查集的一个主要思想就是合并两个不相交集合 在这个题中 也就是不含重复元素 比如 第一个集合中的1,2 就是把1, 2合并起来作为一个集合 同时把num【】更新一下 就是集合中的元素个数 把每个集合中的第一个数作为根节点 这样集合里的所有元素的
- poj1611
poj
简单并查集 View Code
#include <iostream>
#include <cstdlib>
#include <cstdio>
#include <cstring>
using namespace std;
#define maxn 30005
int n, m;
int father[maxn];
- poj1611
poj
The Suspects
Time Limit: 1000MS
Memory Limit: 20000K
Total Submissions: 10794
Accepted: 5120
Description Severe acute respiratory syndrome (SARS), an atypical pn
- apache 安装linux windows
墙头上一根草
apacheinuxwindows
linux安装Apache 有两种方式一种是手动安装通过二进制的文件进行安装,另外一种就是通过yum 安装,此中安装方式,需要物理机联网。以下分别介绍两种的安装方式
通过二进制文件安装Apache需要的软件有apr,apr-util,pcre
1,安装 apr 下载地址:htt
- fill_parent、wrap_content和match_parent的区别
Cb123456
match_parentfill_parent
fill_parent、wrap_content和match_parent的区别:
1)fill_parent
设置一个构件的布局为fill_parent将强制性地使构件扩展,以填充布局单元内尽可能多的空间。这跟Windows控件的dockstyle属性大体一致。设置一个顶部布局或控件为fill_parent将强制性让它布满整个屏幕。
2) wrap_conte
- 网页自适应设计
天子之骄
htmlcss响应式设计页面自适应
网页自适应设计
网页对浏览器窗口的自适应支持变得越来越重要了。自适应响应设计更是异常火爆。再加上移动端的崛起,更是如日中天。以前为了适应不同屏幕分布率和浏览器窗口的扩大和缩小,需要设计几套css样式,用js脚本判断窗口大小,选择加载。结构臃肿,加载负担较大。现笔者经过一定时间的学习,有所心得,故分享于此,加强交流,共同进步。同时希望对大家有所
- [sql server] 分组取最大最小常用sql
一炮送你回车库
SQL Server
--分组取最大最小常用sql--测试环境if OBJECT_ID('tb') is not null drop table tb;gocreate table tb( col1 int, col2 int, Fcount int)insert into tbselect 11,20,1 union allselect 11,22,1 union allselect 1
- ImageIO写图片输出到硬盘
3213213333332132
javaimage
package awt;
import java.awt.Color;
import java.awt.Font;
import java.awt.Graphics;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import javax.imagei
- 自己的String动态数组
宝剑锋梅花香
java动态数组数组
数组还是好说,学过一两门编程语言的就知道,需要注意的是数组声明时需要把大小给它定下来,比如声明一个字符串类型的数组:String str[]=new String[10]; 但是问题就来了,每次都是大小确定的数组,我需要数组大小不固定随时变化怎么办呢? 动态数组就这样应运而生,龙哥给我们讲的是自己用代码写动态数组,并非用的ArrayList 看看字符
- pinyin4j工具类
darkranger
.net
pinyin4j工具类Java工具类 2010-04-24 00:47:00 阅读69 评论0 字号:大中小
引入pinyin4j-2.5.0.jar包:
pinyin4j是一个功能强悍的汉语拼音工具包,主要是从汉语获取各种格式和需求的拼音,功能强悍,下面看看如何使用pinyin4j。
本人以前用AscII编码提取工具,效果不理想,现在用pinyin4j简单实现了一个。功能还不是很完美,
- StarUML学习笔记----基本概念
aijuans
UML建模
介绍StarUML的基本概念,这些都是有效运用StarUML?所需要的。包括对模型、视图、图、项目、单元、方法、框架、模型块及其差异以及UML轮廓。
模型、视与图(Model, View and Diagram)
&
- Activiti最终总结
avords
Activiti id 工作流
1、流程定义ID:ProcessDefinitionId,当定义一个流程就会产生。
2、流程实例ID:ProcessInstanceId,当开始一个具体的流程时就会产生,也就是不同的流程实例ID可能有相同的流程定义ID。
3、TaskId,每一个userTask都会有一个Id这个是存在于流程实例上的。
4、TaskDefinitionKey和(ActivityImpl activityId
- 从省市区多重级联想到的,react和jquery的差别
bee1314
jqueryUIreact
在我们的前端项目里经常会用到级联的select,比如省市区这样。通常这种级联大多是动态的。比如先加载了省,点击省加载市,点击市加载区。然后数据通常ajax返回。如果没有数据则说明到了叶子节点。 针对这种场景,如果我们使用jquery来实现,要考虑很多的问题,数据部分,以及大量的dom操作。比如这个页面上显示了某个区,这时候我切换省,要把市重新初始化数据,然后区域的部分要从页面
- Eclipse快捷键大全
bijian1013
javaeclipse快捷键
Ctrl+1 快速修复(最经典的快捷键,就不用多说了)Ctrl+D: 删除当前行 Ctrl+Alt+↓ 复制当前行到下一行(复制增加)Ctrl+Alt+↑ 复制当前行到上一行(复制增加)Alt+↓ 当前行和下面一行交互位置(特别实用,可以省去先剪切,再粘贴了)Alt+↑ 当前行和上面一行交互位置(同上)Alt+← 前一个编辑的页面Alt+→ 下一个编辑的页面(当然是针对上面那条来说了)Alt+En
- js 笔记 函数
征客丶
JavaScript
一、函数的使用
1.1、定义函数变量
var vName = funcation(params){
}
1.2、函数的调用
函数变量的调用: vName(params);
函数定义时自发调用:(function(params){})(params);
1.3、函数中变量赋值
var a = 'a';
var ff
- 【Scala四】分析Spark源代码总结的Scala语法二
bit1129
scala
1. Some操作
在下面的代码中,使用了Some操作:if (self.partitioner == Some(partitioner)),那么Some(partitioner)表示什么含义?首先partitioner是方法combineByKey传入的变量,
Some的文档说明:
/** Class `Some[A]` represents existin
- java 匿名内部类
BlueSkator
java匿名内部类
组合优先于继承
Java的匿名类,就是提供了一个快捷方便的手段,令继承关系可以方便地变成组合关系
继承只有一个时候才能用,当你要求子类的实例可以替代父类实例的位置时才可以用继承。
在Java中内部类主要分为成员内部类、局部内部类、匿名内部类、静态内部类。
内部类不是很好理解,但说白了其实也就是一个类中还包含着另外一个类如同一个人是由大脑、肢体、器官等身体结果组成,而内部类相
- 盗版win装在MAC有害发热,苹果的东西不值得买,win应该不用
ljy325
游戏applewindowsXPOS
Mac mini 型号: MC270CH-A RMB:5,688
Apple 对windows的产品支持不好,有以下问题:
1.装完了xp,发现机身很热虽然没有运行任何程序!貌似显卡跑游戏发热一样,按照那样的发热量,那部机子损耗很大,使用寿命受到严重的影响!
2.反观安装了Mac os的展示机,发热量很小,运行了1天温度也没有那么高
&nbs
- 读《研磨设计模式》-代码笔记-生成器模式-Builder
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
/**
* 生成器模式的意图在于将一个复杂的构建与其表示相分离,使得同样的构建过程可以创建不同的表示(GoF)
* 个人理解:
* 构建一个复杂的对象,对于创建者(Builder)来说,一是要有数据来源(rawData),二是要返回构
- JIRA与SVN插件安装
chenyu19891124
SVNjira
JIRA安装好后提交代码并要显示在JIRA上,这得需要用SVN的插件才能看见开发人员提交的代码。
1.下载svn与jira插件安装包,解压后在安装包(atlassian-jira-subversion-plugin-0.10.1)
2.解压出来的包里下的lib文件夹下的jar拷贝到(C:\Program Files\Atlassian\JIRA 4.3.4\atlassian-jira\WEB
- 常用数学思想方法
comsci
工作
对于搞工程和技术的朋友来讲,在工作中常常遇到一些实际问题,而采用常规的思维方式无法很好的解决这些问题,那么这个时候我们就需要用数学语言和数学工具,而使用数学工具的前提却是用数学思想的方法来描述问题。。下面转帖几种常用的数学思想方法,仅供学习和参考
函数思想
把某一数学问题用函数表示出来,并且利用函数探究这个问题的一般规律。这是最基本、最常用的数学方法
- pl/sql集合类型
daizj
oracle集合typepl/sql
--集合类型
/*
单行单列的数据,使用标量变量
单行多列数据,使用记录
单列多行数据,使用集合(。。。)
*集合:类似于数组也就是。pl/sql集合类型包括索引表(pl/sql table)、嵌套表(Nested Table)、变长数组(VARRAY)等
*/
/*
--集合方法
&n
- [Ofbiz]ofbiz初用
dinguangx
电商ofbiz
从github下载最新的ofbiz(截止2015-7-13),从源码进行ofbiz的试用
1. 加载测试库
ofbiz内置derby,通过下面的命令初始化测试库
./ant load-demo (与load-seed有一些区别)
2. 启动内置tomcat
./ant start
或
./startofbiz.sh
或
java -jar ofbiz.jar
&
- 结构体中最后一个元素是长度为0的数组
dcj3sjt126com
cgcc
在Linux源代码中,有很多的结构体最后都定义了一个元素个数为0个的数组,如/usr/include/linux/if_pppox.h中有这样一个结构体: struct pppoe_tag { __u16 tag_type; __u16 tag_len; &n
- Linux cp 实现强行覆盖
dcj3sjt126com
linux
发现在Fedora 10 /ubutun 里面用cp -fr src dest,即使加了-f也是不能强行覆盖的,这时怎么回事的呢?一两个文件还好说,就输几个yes吧,但是要是n多文件怎么办,那还不输死人呢?下面提供三种解决办法。 方法一
我们输入alias命令,看看系统给cp起了一个什么别名。
[root@localhost ~]# aliasalias cp=’cp -i’a
- Memcached(一)、HelloWorld
frank1234
memcached
一、简介
高性能的架构离不开缓存,分布式缓存中的佼佼者当属memcached,它通过客户端将不同的key hash到不同的memcached服务器中,而获取的时候也到相同的服务器中获取,由于不需要做集群同步,也就省去了集群间同步的开销和延迟,所以它相对于ehcache等缓存来说能更好的支持分布式应用,具有更强的横向伸缩能力。
二、客户端
选择一个memcached客户端,我这里用的是memc
- Search in Rotated Sorted Array II
hcx2013
search
Follow up for "Search in Rotated Sorted Array":What if duplicates are allowed?
Would this affect the run-time complexity? How and why?
Write a function to determine if a given ta
- Spring4新特性——更好的Java泛型操作API
jinnianshilongnian
spring4generic type
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- CentOS安装JDK
liuxingguome
centos
1、行卸载原来的:
[root@localhost opt]# rpm -qa | grep java
tzdata-java-2014g-1.el6.noarch
java-1.7.0-openjdk-1.7.0.65-2.5.1.2.el6_5.x86_64
java-1.6.0-openjdk-1.6.0.0-11.1.13.4.el6.x86_64
[root@localhost
- 二分搜索专题2-在有序二维数组中搜索一个元素
OpenMind
二维数组算法二分搜索
1,设二维数组p的每行每列都按照下标递增的顺序递增。
用数学语言描述如下:p满足
(1),对任意的x1,x2,y,如果x1<x2,则p(x1,y)<p(x2,y);
(2),对任意的x,y1,y2, 如果y1<y2,则p(x,y1)<p(x,y2);
2,问题:
给定满足1的数组p和一个整数k,求是否存在x0,y0使得p(x0,y0)=k?
3,算法分析:
(
- java 随机数 Math与Random
SaraWon
javaMathRandom
今天需要在程序中产生随机数,知道有两种方法可以使用,但是使用Math和Random的区别还不是特别清楚,看到一篇文章是关于的,觉得写的还挺不错的,原文地址是
http://www.oschina.net/question/157182_45274?sort=default&p=1#answers
产生1到10之间的随机数的两种实现方式:
//Math
Math.roun
- oracle创建表空间
tugn
oracle
create temporary tablespace TXSJ_TEMP
tempfile 'E:\Oracle\oradata\TXSJ_TEMP.dbf'
size 32m
autoextend on
next 32m maxsize 2048m
extent m
- 使用Java8实现自己的个性化搜索引擎
yangshangchuan
javasuperword搜索引擎java8全文检索
需要对249本软件著作实现句子级别全文检索,这些著作均为PDF文件,不使用现有的框架如lucene,自己实现的方法如下:
1、从PDF文件中提取文本,这里的重点是如何最大可能地还原文本。提取之后的文本,一个句子一行保存为文本文件。
2、将所有文本文件合并为一个单一的文本文件,这样,每一个句子就有一个唯一行号。
3、对每一行文本进行分词,建立倒排表,倒排表的格式为:词=包含该词的总行数N=行号