algorithm - 如何从 50000 个 html 文件中删除行

Question

这个问题是在面试中问到的，不确定堆栈溢出是否适合问这个问题。

Given 50000 html files we need to delete all occurrences of phone number.

我回答，我会读取文件，解析它并在过滤后写入另一个没有电话号码的文件。

例如:

while ( line = br.readline != null) {
   if line does not have phone number
      write line to another file.
}

另外既然我们有50000个文件，是否应该涉及多线程的元素？

有什么更好的主意吗？标准解决方案？

Answer 1

面试问题主要分为两大类 - 一种是测试您对特定技术的了解，另一种是了解您的思维过程。这个问题听起来像是第二种。

一旦你给出了解决方案，面试官可能会问更多关于你的代码的问题:

• 它会捕获电话号码的所有实例吗？ - 您可能会认为"is"
• 拆分成多条线路的电话号码怎么样？ HTML 不关心，对吧？ - 你应该解释如何修改你的解决方案以适应中间带有 '\n' 的电话号码
• 关于标记，您会在电话号码中间找到带有 HTML 标记的电话号码吗？ - 您应该解释如何更改解决方案以处理标记。 HTML 解析器可能有助于正确完成此任务。
• 如果只有 20% 的文件包含电话号码怎么办？ - 您应该解释该程序将受 I/O 限制，以及您将如何通过搜索第一个文件来优化写入在开始写作之前发生。

谈话可以继续下去。最后，面试官应该很好地了解您在 HTML、文件 I/O 和字符串处理方面的技能。一个好的答案可能包括上面提到的大部分技术。