```js
const data = [
["root", "system", "synchronization-logs"],
["root", "system", "synchronization-configs"],
["root", "system"],
["root", "configs"],
["root"],
];


function filter_file_path(path_list) {
// build perfixes tree
let root = {'__size__': 0};
data.forEach(path => {
var state = {'node': root};
path.forEach(part => {
if (state.node[part] === undefined) {
state.node[part] = {'__size__': 0};
state.node.__size__ ++;
}
state.node = state.node[part];
});
});

// filter out non-leaf node path
return data.filter(path => {
var state = {
'node': root
};
path.forEach(part => {
state.node = state.node[part];
});
return state.node.__size__ === 0;
});
}

console.log(filter_file_path(data));
```

创建前缀树，然后再遍历叶子节点输出路径？时间复杂度 O(n)空间复杂度 O(n)

赞，有趣的文章
不过感觉“皮裤”提出的方法似乎时间复杂度也没有减少呀。

感觉是要做 NLP 领域的 实体识别 /实体抽取
腾讯、阿里、百度之类大厂应该都有付费的 api

感觉是想做 AOP ？
Spring 中是用 Proxy 和 Cglib 实现的。

我看文档里说这里似乎直接支持 pkcs8

https://pycryptodome.readthedocs.io/en/latest/src/public_key/rsa.html#Crypto.PublicKey.RSA.import_key

先安装 Crypto
```bash
pip3 install pycryptodome
```

大概是这样？
```python3

import base64
from Crypto.Signature import PKCS1_v1_5
from Crypto.PublicKey import RSA
from Crypto.Hash import SHA256

priv_key = b"MIIJRAIBADANBg..."

def sign(key, data):
private_key = RSA.importKey(base64.decodebytes(key))
cipher = PKCS1_v1_5.new(private_key)
h = SHA256.new(data)
signature = cipher.sign(h)
return base64.b64encode(signature)

def main():
print("signed:", sign(priv_key, b"hello world"))


if __name__ == '__main__':
main()
```

帝都、亦庄、电商，这不就是要做某东的兄弟么。。。

A 冰箱有 a 瓶，B 冰箱有 b 屏，在 A 、B 冰箱中有可乐的冰箱中等概率取一瓶，最后 B 冰箱剩余 1 瓶的概率。

解：
设目标概率函数为: P(a, b)
由题目理解可得:

1. 当 a>0, b>0 时:
P(a, b) = 0.5 * P(a - 1, b) + 0.5 * P(a, b - 1)
2. 当 a=0 或 b=0 时:
P(a, 0) = 0
P(0, b) = 1

题目可由动态规划得:

```python

import functools.lru_cache

@lru_cache
def p(a, b):
if a and b:
return 0.5 * p(a - 1, b) + 0.5 * p(a, b - 1)
else:
return 1 if b else 0
```

时间复杂度 O(a*b)
空间复杂度 O(a*b)

本机运行结果：
```
>> timeit p(30, 31)

0.5512890865042848
578 µs ± 11.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
```

另外：31/61 = 0.5081967213114754

主要不知道检测的具体特征是什么，所以混淆不好做。
例如，如果检测的是字符频率，加密数据流和视频数据流肯定是不一样的。
https 已经是加密数据流了，如果模拟 https 的过程，正文的数据特征应该是统计不出来的。
（不过现在好像很多 https 站本身就被 X 地很厉害

如果仅仅是发送加密数据的话，虽然检查方不知道你发送的具体是什么数据，但是一看就是加密流，反而特征十分明显。

混淆的部分我也不是很清楚，按我理解的话：混淆就是把数据套入别的看起来正常的协议中，让通过简单统计的检测算法识别成正常的协议
例如，先发送一个假的 http 请求头，再 body 部分做正常的 io 。如果通过检测请求头的方式检查，就会把这次请求看作是一个 http 协议的请求。

传输可以参考 github 上的 v2ray-core

搜索 rfc1928

试试添加环境变量：PYTHONIOENCODING=gbk

对于重复推荐已经购买的商品，理论上可以通过已经购买降低排序权重的方式解决。
根据用于购买的数据统计，每个品类的购买周期，然后做已经购买的降权。
但是，一旦开启类这个策略，推荐系统的核心指标 ctr 就掉得很厉害。

感觉，很难在用户体验和点击率、购买率之间平衡呀
甚至，不知道怎么用指标衡量用户体验

看起来似乎有关 overflow-wrap:break-word 触法换行。将前面的字符删掉一点，使得 code 不换行就不会出 bug ； code 中加入空格，code 中的第一个词不换行也不会触法；换 code 中的内容似乎不影响触法。
版本 76.0.3809.100