从页面字典创建层次结构树内容

Question

以下键：值对是“页面”和“页面内容”。

{
  'section-a.html':{'contents':'section-b.html section-c.html section-d.html'},
  'section-b.html':{'contents':'section-d.html section-e.html'},
  'section-c.html':{'contents':'product-a.html product-b.html product-c.html product-d.html'},
  'section-d.html':{'contents':'product-a.html product-c.html'},
  'section-e.html':{'contents':'product-b.html product-d.html'},
  'product-a.html':{'contents':''},
  'product-b.html':{'contents':''},
  'product-c.html':{'contents':''},
  'product-d.html':{'contents':''}
}

对于任何给定的“项目”，我如何找到该项目的路径？在大多数情况下，由于我对数据结构的了解非常有限，我假设这将是一个层次结构树。如果我错了请纠正我！

更新：抱歉，我应该更清楚地了解数据和我的预期结果。

假设“page-a”是一个索引，每个“页面”实际上是网站上出现的页面，其中每个“项目”类似于出现在亚马逊、新蛋等上的产品页面。

因此，我的预期输出对于“item-d”，将是该项目的一个或多个路径。 例如（分隔符是任意的，此处用于说明）： item-d 有以下路径：

page-a > page-b > page-e > item-d
page-a > page-c > item-d

UPDATE2：更新了我原来的dict以提供更准确和真实的数据。添加“.html”以进行澄清。

Answer 1

这是一个简单的方法——它是 O(N 平方)，所以，并不是那么高度可扩展，但是对于合理的书籍大小来说，它会很好地为您服务（如果您有数百万页，您需要考虑一个非常好的方法）不同且不太简单的方法；-)。

首先，制作一个更可用的字典，将页面映射到内容集：例如，如果原始字典是d，则制作另一个字典mud为：

mud = dict((p, set(d[p]['contents'].split())) for p in d)

然后，进行字典映射每个页面到其父页面：

parent = dict((p, [k for k in mud if p in mud[k]]) for p in mud)

在这里，我使用父页面列表（集合也可以），但是对于像您的示例中那样具有 0 或 1 个父页面的页面也可以 - 您只需使用空列表表示“没有父项”，否则是一个将父项作为唯一项的列表。这应该是一个非循环有向图（如果您有疑问，当然可以检查，但我跳过该检查）。

现在，给定一个页面，找到从其父级到无父级父级（“根页面”）的路径只需要“遍历”父级字典即可。例如，在 0/1 父案例中：

path = [page]
while parent[path[-1]]:
  path.append(parent[path[-1]][0])

如果您可以更好地阐明您的规格（每本书的页数范围、每页的父项数量等），则毫无疑问可以改进此代码，但作为开始我希望它能有所帮助。

编辑：正如OP澄清的那样，带有＆gt;的情况1 个父级（因此，多个路径）确实很有趣，让我展示如何处理这个问题：

partial_paths = [ [page] ]
while partial_paths:
  path = partial_paths.pop()
  if parent[path[-1]]:
    # add as many partial paths as open from here
    for p in parent[path[-1]]:
      partial_paths.append(path + [p])
  else:
    # we've reached a root (parentless node)
    print(path)

当然，您可以 yield 每个路径，而不是 printing当它到达根时（使函数体成为生成器），或者以您需要的任何方式处理它。

再次编辑：评论者担心图表中的循环。如果这种担心是有道理的，那么跟踪路径中已经看到的节点并检测和警告任何循环并不困难。最快的方法是在每个代表部分路径的列表旁边保留一个集合（我们需要列表进行排序，但检查集合中的成员资格是 O(1) ，而检查列表中的 O(N) ）：

partial_paths = [ ([page], set([page])) ]
while partial_paths:
  path, pset = partial_paths.pop()
  if parent[path[-1]]:
    # add as many partial paths as open from here
    for p in parent[path[-1]]:
      if p in pset:
        print('Cycle: %s (%s)' % (path, p))
        continue
      partial_paths.append((path + [p], pset.union([p])))
  else:
    # we've reached a root (parentless node)
    print('Path: %s' % (path,))

为了清楚起见，打包可能是值得的list 和 set 表示具有合适方法的小型实用程序类 Path 的部分路径。

Answer 2

这是您的问题的说明。当你有图片时，就更容易推理图表。

首先，缩写数据：

#!/usr/bin/perl -pe
s/section-([a-e])\.html/uc$1/eg; s/product-([a-e])\.html/$1/g

结果：

# graph as adj list
DATA = {
  'A':{'contents':'B C D'},
  'B':{'contents':'D E'},
  'C':{'contents':'a b c d'},
  'D':{'contents':'a c'},
  'E':{'contents':'b d'},
  'a':{'contents':''},
  'b':{'contents':''},
  'c':{'contents':''},
  'd':{'contents':''}
}

转换为 graphviz 的格式：

with open('data.dot', 'w') as f:
    print >> f, 'digraph {'
    for node, v in data.iteritems():
        for child in v['contents'].split():
            print >> f, '%s -> %s;' % (node, child),
        if v['contents']: # don't print empty lines
            print >> f
    print >> f, '}'

结果：

digraph {
A -> C; A -> B; A -> D;
C -> a; C -> b; C -> c; C -> d;
B -> E; B -> D;
E -> b; E -> d;
D -> a; D -> c;
}

绘制图表：

$ dot -Tpng -O data.dot

Answer 3

编辑随着问题得到更好的解释，我认为以下内容可能是您所需要的，或者至少可以提供一些起点。

data = {
  'section-a.html':{'contents':'section-b.html section-c.html section-d.html'},
  'section-b.html':{'contents':'section-d.html section-e.html'},
  'section-c.html':{'contents':\
                    'product-a.html product-b.html product-c.html product-d.html'},
  'section-d.html':{'contents':'product-a.html product-c.html'},
  'section-e.html':{'contents':'product-b.html product-d.html'},
  'product-a.html':{'contents':''},
  'product-b.html':{'contents':''},
  'product-c.html':{'contents':''},
  'product-d.html':{'contents':''}
}

def findSingleItemInData(item):
    return map( lambda x: (item, x), \
                [key for key in data if data[key]['contents'].find(item) <> -1])

def trace(text):
    searchResult = findSingleItemInData(text)
    if not searchResult:
        return text

    retval = [] 
    for item in searchResult:
        retval.append([text, trace(item[-1])]) 

    return retval

print trace('product-d.html')

旧

我真的不知道你期望看到什么，但也许类似
这会起作用。

data = {
   'page-a':{'contents':'page-b page-c'},
   'page-b':{'contents':'page-d page-e'},
   'page-c':{'contents':'item-a item-b item-c item-d'},
   'page-d':{'contents':'item-a item-c'},
   'page-e':{'contents':'item-b item-d'}
}

itemToFind = 'item-c'

for key in data:
  for index, item in enumerate(data[key]['contents'].split()):
    if item == itemToFind:
      print key, 'at position', index

如果你使用稍微一点的话，会更容易，而且我认为更正确
不同的数据结构：

 data = {
   'page-a':{'contents':['page-b', 'page-c']},
   'page-b':{'contents':['page-d', 'page-e']},
   'page-c':{'contents':['item-a', 'item-b item-c item-d']},
   'page-d':{'contents':['item-a', 'item-c']},
   'page-e':{'contents':['item-b', 'item-d']}
 }

那么你就不需要拆分。

鉴于最后一种情况，它甚至可以表达得更短：

for key in data:
    print [ (key, index, value) for index,value in \
             enumerate(data[key]['contents']) if value == 'item-c' ]

甚至可以更短，删除空列表：

print filter(None, [[ (key, index, value) for index,value in \ 
       enumerate(data[key]['contents']) if value == 'item-c' ] for key in data])

那应该是一行，但我使用 \ 作为换行符，以便可以读取它
没有滚动条。