Skip to main content
 首页 » 编程设计

python之如何过滤嵌套的 JSON 并保留匹配的分支层次结构

2024年10月25日10zhenyulu

这个很棘手......关于如何遍历树有很多问题和答案,但我无法根据我的特殊情况调整任何建议的解决方案。我的问题非常接近 Python: How can I filter a n-nested dict of dicts by leaf value?

我有一个具有特殊嵌套结构(子词、同义词、名称、id)的 JSON 数据,其深度可以是任意的。

tree=[{'id': 20, 'name': 'education', 'subterms': [ 
               {'id': 21, 'name': 'schools', 'synonyms': []}, 
               {'id': 22, 'name': 'schoolbooks', 'synonyms': ['literature']}, 
               {'id': 23, 'name': 'higher education', 'synonyms': ['university']}, 
               {'id': 25, 'name': 'conference', 'synonyms': ['lecture']}]}, 
 {'id': 26, 'name': 'health', 'subterms': [ 
               {'id': 27, 'name': 'health issues', 'synonyms': []}, 
               {'id': 28, 'name': 'nutrition', 'synonyms': []}, 
               {'id': 29, 'name': 'medicine', 'synonyms': []}]}, 
 {'id': 1, 'name': 'business', 'subterms': [{'id': 2, 
                'name': 'industry', 
                'subterms': [{'id': 21, 'name': 'service', 'synonyms': []}, 
                             {'id': 21, 'name': 'agriculture', 'synonyms': []}], 
                'synonyms': []}, 
               {'id': 3, 'name': 'professions', 'synonyms': ['jobs']}]}] 

我的目标是通过匹配“名称”和“同义词”来过滤这棵树。必须保留匹配项的分支层次结构:第 3 层的匹配子项意味着第 1 层和第 2 层的父项也被保留(但不是子项)。

例如,使用 filterterms=['literature', 'agriculture'] 应该会产生以下过滤树:

[{'id': 20, 'name': 'education', 'subterms': [ 
               {'id': 22,'name': 'schoolbooks', 'synonyms': ['literature']}]}, 
 {'id': 1, 'name': 'business', 'subterms': [{'id': 2, 'name': 'industry', 
                'subterms': [{'id': 21, 'name': 'agriculture', 'synonyms': []}], 
                'synonyms': []}]}] 

到目前为止,我在 n 级遍历树并保留匹配项的分支层次结构的所有尝试都以失败告终……对我如何解决此任务有任何帮助吗?

请您参考如下方法:

我认为这可以满足您的需求。

tree=[{'id': 20, 'name': 'education', 'subterms': [ 
               {'id': 21, 'name': 'schools', 'synonyms': []}, 
               {'id': 22, 'name': 'schoolbooks', 'synonyms': ['literature']}, 
               {'id': 23, 'name': 'higher education', 'synonyms': ['university']}, 
               {'id': 25, 'name': 'conference', 'synonyms': ['lecture']}]}, 
 {'id': 26, 'name': 'health', 'subterms': [ 
               {'id': 27, 'name': 'health issues', 'synonyms': []}, 
               {'id': 28, 'name': 'nutrition', 'synonyms': []}, 
               {'id': 29, 'name': 'medicine', 'synonyms': []}]}, 
 {'id': 1, 'name': 'business', 'subterms': [{'id': 2, 
                'name': 'industry', 
                'subterms': [{'id': 21, 'name': 'service', 'synonyms': []}, 
                             {'id': 21, 'name': 'agriculture', 'synonyms': []}], 
                'synonyms': []}, 
               {'id': 3, 'name': 'professions', 'synonyms': ['jobs']}]}] 
 
def filter_by_name(node, names): 
    if isinstance(node, list): 
        return filter(None, (filter_by_name(x, names) for x in node if x)) 
    subterms = filter(None, filter_by_name(node.get('subterms',[]), names)) 
    if set([node['name']]+node.get('synonyms',[])).intersection(names): 
        return dict(node, subterms=subterms) 
    if subterms: 
        return dict(node, subterms=subterms) 
    return None 
 
 
from pprint import pprint 
pprint(filter_by_name(tree, ['business'])) 
pprint(filter_by_name(tree, ['literature'])) 
pprint(filter_by_name(tree, ['literature', 'agriculture'])) 

结果:

[{'id': 1, 'name': 'business', 'subterms': []}] 
[{'id': 20, 
  'name': 'education', 
  'subterms': [{'id': 22, 
                'name': 'schoolbooks', 
                'subterms': [], 
                'synonyms': ['literature']}]}] 
[{'id': 20, 
  'name': 'education', 
  'subterms': [{'id': 22, 
                'name': 'schoolbooks', 
                'subterms': [], 
                'synonyms': ['literature']}]}, 
 {'id': 1, 
  'name': 'business', 
  'subterms': [{'id': 2, 
                'name': 'industry', 
                'subterms': [{'id': 21, 
                              'name': 'agriculture', 
                              'subterms': [], 
                              'synonyms': []}], 
                'synonyms': []}]}]