2026年计算机专业招聘笔试编程题库

2026年计算机专业招聘笔试编程题库一、算法设计题（共3题，每题15分）题目1（15分）：背景：某电商公司需要统计用户购买商品的频率，以优化商品推荐算法。给定一个用户购买记录的列表，其中每个记录包含用户ID、商品ID和购买时间（格式为"YYYY-MM-DD"），请设计一个算法，统计每个用户的购买商品数量，并按购买数量降序排列，若购买数量相同，则按用户ID升序排列。输入：pythonrecords=[("user1","item1","2026-01-01"),("user2","item2","2026-01-02"),("user1","item3","2026-01-01"),("user3","item1","2026-01-03"),("user2","item1","2026-01-04"),("user1","item2","2026-01-05"),("user3","item3","2026-01-06")]输出：python[("user1",3),("user2",2),("user3",2)]答案：pythonfromcollectionsimportdefaultdictdefcount_purchases(records):user_purchases=defaultdict(int)foruser,item,_inrecords:user_purchases[user]+=1sorted_purchases=sorted(user_purchases.items(),key=lambdax:(-x[1],x[0]))returnsorted_purchases测试records=[("user1","item1","2026-01-01"),("user2","item2","2026-01-02"),("user1","item3","2026-01-01"),("user3","item1","2026-01-03"),("user2","item1","2026-01-04"),("user1","item2","2026-01-05"),("user3","item3","2026-01-06")]print(count_purchases(records))解析：1.使用`defaultdict`统计每个用户的购买次数。2.遍历输入列表，每条记录中，用户ID作为键，购买次数作为值，进行累加。3.使用`sorted`函数对结果进行排序，排序规则为购买次数降序（`-x[1]`），若购买次数相同，则按用户ID升序（`x[0]`）。4.返回排序后的结果。题目2（15分）：背景：某外卖平台需要优化配送路线，以减少配送时间。给定一个配送点的坐标列表（每个坐标表示为`(x,y)`），请设计一个算法，计算所有配送点之间的最短路径总和（即旅行商问题，TSP），假设从第一个配送点开始，最后回到第一个配送点。输入：pythonpoints=[(0,0),(1,2),(3,1),(5,4),(2,3)]输出：最短路径总和（浮点数，保留两位小数）。答案：pythonimportitertoolsimportmathdefdistance(p1,p2):returnround(math.sqrt((p1[0]-p2[0])2+(p1[1]-p2[1])2),2)deftsp(points):min_path=float('inf')forperminitertools.permutations(points[1:]):path=[points[0]]+list(perm)+[points[0]]total_distance=sum(distance(path[i],path[i+1])foriinrange(len(path)-1))min_path=min(min_path,total_distance)returnround(min_path,2)测试points=[(0,0),(1,2),(3,1),(5,4),(2,3)]print(tsp(points))解析：1.定义`distance`函数计算两点之间的欧氏距离。2.使用`itertools.permutations`生成所有可能的配送点排列（除了第一个点）。3.对每种排列，计算路径的总距离，包括从第一个点到最后一个点再回到第一个点。4.找到最短路径的总距离，并保留两位小数。题目3（15分）：背景：某社交平台需要检测用户评论中的敏感词，以防止违规内容传播。给定一个敏感词列表和一个用户评论，请设计一个算法，统计评论中包含的敏感词数量，并返回所有敏感词及其出现次数。输入：pythonsensitive_words=["敏感词1","敏感词2","敏感词3"]comment="这是一个敏感词1的评论，其中包含敏感词2和敏感词1。"输出：python{"敏感词1":2,"敏感词2":1}答案：pythonfromcollectionsimportCounterdefcount_sensitive_words(sensitive_words,comment):words=comment.split()sensitive_counts=Counter(wordforwordinwordsifwordinsensitive_words)returndict(sensitive_counts)测试sensitive_words=["敏感词1","敏感词2","敏感词3"]comment="这是一个敏感词1的评论，其中包含敏感词2和敏感词1。"print(count_sensitive_words(sensitive_words,comment))解析：1.将评论按空格分割成单词列表。2.使用列表推导式和`Counter`统计敏感词出现的次数。3.返回一个字典，包含所有敏感词及其出现次数。二、数据结构题（共3题，每题15分）题目1（15分）：背景：某公司需要设计一个高效的数据结构，存储用户信息，并支持快速插入、删除和查找操作。请设计一个类`UserManager`，包含以下方法：-`add_user(user_id,user_info)`：添加用户信息，`user_info`为字典，包含用户详细信息。-`remove_user(user_id)`：删除指定ID的用户。-`get_user(user_id)`：获取指定ID的用户信息。要求：-使用哈希表实现，确保插入、删除和查找操作的时间复杂度为O(1)。-提供测试代码验证功能。答案：pythonclassUserManager:def__init__(self):self.users={}defadd_user(self,user_id,user_info):self.users[user_id]=user_infodefremove_user(self,user_id):ifuser_idinself.users:delself.users[user_id]defget_user(self,user_id):returnself.users.get(user_id,None)测试user_manager=UserManager()user_manager.add_user("user1",{"name":"Alice","age":25})user_manager.add_user("user2",{"name":"Bob","age":30})print(user_manager.get_user("user1"))#{"name":"Alice","age":25}user_manager.remove_user("user1")print(user_manager.get_user("user1"))#None解析：1.使用字典`self.users`存储用户信息，键为用户ID，值为用户信息字典。2.`add_user`方法直接将用户信息插入字典。3.`remove_user`方法通过键删除用户信息。4.`get_user`方法通过键获取用户信息，若不存在则返回`None`。题目2（15分）：背景：某公司需要设计一个任务调度系统，任务按优先级排列，高优先级的任务优先执行。请设计一个类`TaskScheduler`，包含以下方法：-`add_task(task_id,priority)`：添加任务，`priority`为整数，优先级越高越先执行。-`remove_task(task_id)`：删除指定ID的任务。-`get_next_task()`：获取下一个要执行的任务ID。要求：-使用最小堆实现优先级队列，确保添加和删除操作的时间复杂度为O(logn)。-提供测试代码验证功能。答案：pythonimportheapqclassTaskScheduler:def__init__(self):self.tasks=[]defadd_task(self,task_id,priority):heapq.heappush(self.tasks,(priority,task_id))defremove_task(self,task_id):self.tasks=[(p,t)forp,tinself.tasksift!=task_id]defget_next_task(self):returnself.tasks[0][1]ifself.taskselseNone测试scheduler=TaskScheduler()scheduler.add_task("task1",3)scheduler.add_task("task2",1)scheduler.add_task("task3",2)print(scheduler.get_next_task())#"task2"scheduler.remove_task("task2")print(scheduler.get_next_task())#"task3"解析：1.使用`heapq`模块实现最小堆，优先级高的任务存储在堆的底部。2.`add_task`方法将任务插入堆中。3.`remove_task`方法通过遍历堆删除指定ID的任务。4.`get_next_task`方法返回堆顶的任务ID。题目3（15分）：背景：某公司需要设计一个LRU（最近最少使用）缓存系统，缓存有限的空间，当缓存满时，最久未使用的缓存项被移除。请设计一个类`LRUCache`，包含以下方法：-`put(key,value)`：添加或更新缓存项。-`get(key)`：获取缓存项的值，若不存在则返回-1。要求：-使用哈希表和双向链表实现，确保`put`和`get`操作的时间复杂度为O(1)。-提供测试代码验证功能。答案：pythonclassNode:def__init__(self,key,value):self.key=keyself.value=valueself.prev=Noneself.next=NoneclassLRUCache:def__init__(self,capacity):self.capacity=capacityself.cache={}self.head=Node(0,0)self.tail=Node(0,0)self.head.next=self.tailself.tail.prev=self.headdef_remove_node(self,node):node.prev.next=node.nextnode.next.prev=node.prevdef_add_node(self,node):node.prev=self.headnode.next=self.head.nextself.head.next.prev=nodeself.head.next=nodedefget(self,key):node=self.cache.get(key,None)ifnotnode:return-1self._remove_node(node)self._add_node(node)returnnode.valuedefput(self,key,value):node=self.cache.get(key)ifnode:self._remove_node(node)new_node=Node(key,value)self.cache[key]=new_nodeself._add_node(new_node)iflen(self.cache)>self.capacity:lru=self.tail.prevself._remove_node(lru)delself.cache[lru.key]测试cache=LRUCache(2)cache.put(1,1)cache.put(2,2)print(cache.get(1))#1cache.put(3,3)#去除键2print(cache.get(2))#-1cache.put(4,4)#去除键1print(cache.get(1))#-1print(cache.get(3))#3print(cache.get(4))#4解析：1.使用双向链表和哈希表实现LRU缓存。2.双向链表头部为最近使用的节点，尾部为最久未使用的节点。3.哈希表存储键和链表节点的映射，确保O(1)时间复杂度。4.`get`方法通过哈希表查找节点，并将其移动到链表头部。5.`put`方法添加或更新节点，若缓存已满，则移除链表尾部节点。三、编程实现题（共3题，每题15分）题目1（15分）：背景：某公司需要统计每日销售数据，数据存储在一个CSV文件中，格式如下：date,product_id,quantity2026-01-01,p001,102026-01-01,p002,52026-01-02,p001,82026-01-02,p003,3任务：请编写Python代码，读取CSV文件，统计每天每种产品的总销量，并按日期降序排列，日期相同时按产品ID升序排列。答案：pythonimportcsvfromcollectionsimportdefaultdictdefcount_daily_sales(file_path):sales_data=defaultdict(lambda:defaultdict(int))withopen(file_path,'r')asfile:reader=csv.DictReader(file)forrowinreader:date=row['date']product_id=row['product_id']quantity=int(row['quantity'])sales_data[date][product_id]+=quantitysorted_sales=sorted(((date,product_id,total)fordate,productsinsales_data.items()forproduct_id,totalinproducts.items()),key=lambdax:(-x[0],x[1]))returnsorted_sales测试file_path="sales_data.csv"withopen(file_path,'w')asfile:writer=csv.writer(file)writer.writerow(["date","product_id","quantity"])writer.writerow(["2026-01-01","p001","10"])writer.writerow(["2026-01-01","p002","5"])writer.writerow(["2026-01-02","p001","8"])writer.writerow(["2026-01-02","p003","3"])print(count_daily_sales(file_path))解析：1.使用`csv.DictReader`读取CSV文件，按列名解析每行数据。2.使用嵌套`defaultdict`统计每天每种产品的总销量。3.使用生成器表达式和`sorted`函数对结果进行排序，排序规则为日期降序（`-x[0]`），日期相同时按产品ID升序（`x[1]`）。4.返回排序后的结果。题目2（15分）：背景：某公司需要生成一个身份证号码验证工具，身份证号码格式为18位，前17位为数字，最后一位为校验码，校验码计算方法如下：-前17位分别乘以系数[7,9,10,5,8,4,2,1,6,3,7,9,10,5,8,4,2]，然后求和。-和除以11，余数对应校验码[1,0,X,9,8,7,6,5,4,3,2]。任务：请编写Python代码，验证给定的身份证号码是否有效。答案：pythondefis_valid_id(id_number):iflen(id_number)!=18ornotid_number[:-1].isdigit()ornotid_number[-1].isdigit()andid_number[-1]!='X':returnFalsecoefficients=[7,9,10,5,8,4,2,1,6,3,7,9,10,5,8,4,2]checksum=[1,0,'X',