【PTA-算法实战】L2-028 亲密关系模拟与L1-064 AI对话解析：Java正则的工程化应用

1. 亲密关系模拟的工程化实践

L2-028这道题表面看是简单的亲密度计算，实际上隐藏着社交推荐系统的核心逻辑。我第一次做这道题时，被"-0"的输入坑得够呛——这提醒我们工程中数据类型选择的重要性。题目要求计算两个人之间的亲密度，并找出各自最亲密的异性，这和社交平台的"可能认识的人"推荐算法异曲同工。

实际工程中处理用户关系图时，我常用的优化策略是分块处理。就像题目中按照片分组存储人员信息一样，真实系统中我们不会一次性加载所有用户数据。比如处理10亿级用户关系时，可以按用户ID范围分片，或者用图数据库的邻接表存储。这里有个小技巧：用vector<vector<int>>存储照片人员信息时，提前预留空间可以减少动态扩容带来的性能损耗。

cpp复制// 预处理阶段预留空间
vector<vector<int>> photos(m);
for(auto &p : photos) p.reserve(k); 

性别标识的处理也很讲究。题目用bool sex[N]数组，实际项目中我更喜欢用位运算压缩存储。比如用bitset或uint64_t按位存储，这样处理百万级用户数据时能节省75%内存。不过要注意边界情况——就像题目中"-0"这种魔鬼细节，工程中常有用户ID为0或负数的特殊标记。

2. AI对话文本处理的Java正则实战

L1-064这道"估值一亿"的AI核心代码题，简直是文本处理的经典教案。我去年开发智能客服系统时，就遇到过几乎相同的需求。Java正则表达式在这里大显身手，但有几个坑必须警惕：

空格处理三重奏是最容易出错的地方：

1. trim()只能去掉首尾空格
2. " +"处理连续空格
3. " (\\W)"处理标点前空格

java复制// 实战中更健壮的处理方式
String processed = input.trim()
    .replaceAll(" +", " ")
    .replaceAll(" (?=[^a-zA-Z0-9_])", "");

单词边界匹配是第二个大坑。题目用\b来匹配独立单词，但在处理中文混合文本时可能失效。我的经验是加上前瞻后顾断言：

java复制// 支持中英文混排的单词边界匹配
String pattern