为单词python创建嵌套字典

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了为单词python创建嵌套字典，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1872字，纯文字阅读大概需要3分钟。

内容图文

我有一个单词列表,我想将它们存储在嵌套字典中.

以下是样本清单： –

words = ['Apple','Ape','Bark','Barn']

我要创建的字典如下： –

{'A':{'P':{'E':{},
           'P':{'L':{'E':{}}}}},
 'B':{'A':{'R':{'K':{},'N':{}}}}}

这些词不区分大小写.

解决方法:

改为使用collections.defaultdict()对象：

from collections import defaultdict

def tree():
    return defaultdict(tree)

nested = defaultdict(tree)

for word in words:
    node = nested
    for char in word:
        node = node[char.upper()]

每当您尝试访问尚不存在的defaultdict中的密钥时,将调用默认工厂以透明地为该密钥生成值.在上面的代码中,默认工厂是tree(),它使用相同的工厂生成另一个defaultdict(),只需通过访问键就可以构建一组嵌套的字典.

演示：

>>> from collections import defaultdict
>>> def tree():
...     return defaultdict(tree)
... 
>>> nested = defaultdict(tree)
>>> words = ['Apple','Ape','Bark','Barn']
>>> for word in words:
...     node = nested
...     for char in word:
...         node = node[char.upper()]
... 
>>> nested
defaultdict(<function tree at 0x114e62320>, {'A': defaultdict(<function tree at 0x114e62320>, {'P': defaultdict(<function tree at 0x114e62320>, {'P': defaultdict(<function tree at 0x114e62320>, {'L': defaultdict(<function tree at 0x114e62320>, {'E': defaultdict(<function tree at 0x114e62320>, {})})}), 'E': defaultdict(<function tree at 0x114e62320>, {})})}), 'B': defaultdict(<function tree at 0x114e62320>, {'A': defaultdict(<function tree at 0x114e62320>, {'R': defaultdict(<function tree at 0x114e62320>, {'K': defaultdict(<function tree at 0x114e62320>, {}), 'N': defaultdict(<function tree at 0x114e62320>, {})})})})})
>>> def print_nested(d, indent=0):
...     for k, v in d.iteritems():
...         print '{}{!r}:'.format(indent * '  ', k)
...         print_nested(v, indent + 1)
... 
>>> print_nested(nested)
'A':
  'P':
    'P':
      'L':
        'E':
    'E':
'B':
  'A':
    'R':
      'K':
      'N':

defaultdict是标准Python字典的子类,除了自动实现键的值之外,其行为与常规字典完全相同.

内容总结

以上是互联网集市为您收集整理的为单词python创建嵌套字典全部内容，希望文章能够帮你解决为单词python创建嵌套字典所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端