首届中国大学生SNS大赛

初赛试题1：世界杯(四个题目任选其一即可)

　　2010年南非世界杯期间，开心网推出了“世界杯竞猜”组件。通过这个组件，上千万球迷用户能够与好友一起酣畅的评球与竞猜，尽享足球带来的无穷乐趣。除参与这个组件之外，每天都有数百万网友在开心网上发布与世界杯相关的信息，如更改用户状态、记录与回复、转帖等等。世界杯结束后，开心网需要对世界杯期间所有开心网用户新增的内容进行分析，以检测和判定哪些内容与世界杯相关。
假设你是开心网的工程师，请你完成这项检测工作：
用一个已知的世界杯关键词词表扫描每一个待处理文档，如果文档中出现词表中的任意一个关键词，则该内容就被判定为与世界杯相关，计算文档中出现的关键词次数（同一个关键词多次出现按多次计算，没有出现任何关键词的输出0次。匹配时按照正向最大匹配，匹配过的内容不重复匹配。）。
 

输入：

　　两个文本文件，一个是世界杯期间所有用户产生的内容，文件的每一行为一个待处理文档，每一行分为两个列，第一个列是文档编号，第二个列是文档内容，用制表符分隔；另一个输入项是一个词表，其中包含数千个与世界杯相关的词条，一行一个词。

输出：

　　每一行输出一个文档的检查结果，格式为：文档编号 出现的关键词次数（以制表符分隔）。
　　为了简化起见，默认所有输入均只需支持简体中文和英文内容，输入文件为GBK编码，不考虑汉语分词、繁简转换等深层特性，内容文件一行最长64K(65536字节)。
 

示例：

要检查的内容文件（content.txt）：
1　梅西生日快乐，大力神杯在等待你～
2　送别五星巴西。送别卡卡 DON'T CRY ,KAKA 你的世界毁灭。我心痛不已
3　四年一度的世界杯即将于本周五拉开序幕，虽然足球不能成为A股股民生活的全部，但却能给A股股民以投资契机。那么，哪些行业将因世界杯的举行而受益？哪些世界杯概念股能够在目前相对弱势的行情中脱颖而出呢？
 

用于检查的词表文件（keyword.txt）：
大力神杯
卡卡
梅西
巴西
KaKa
世界杯
 

得到如下结果：
1　2
2　3
3　3
 

提交代码要求：

Makefile生成的程序文件名必须为：ugc_stat，第一个接收参数为关键词文件，第二个接收参数为内容文件。在程序所在目录执行：./ugc_stat keyword.txt content.txt 可以得到结果。
 

为了供大家实验，我们提供了测试数据和测试数据的正确运行结果。大家可以下载测试、验证。
 

http://sns.kaixin001.com/contest/rule.php?type=7