如何处理节点字符串以获取它们的连接？

Question

我正在对节点树做一些工作，但我遇到了这个问题。 此列表包含一棵树的所有信息：

connections = ['Module/Expr/ListComp/BinOp/Name/id/i/',
           'Module/Expr/ListComp/BinOp/Sub/',
           'Module/Expr/ListComp/BinOp/Num/0.5/',
           'Module/Expr/ListComp/comprehension/Name/id/i/',
           'Module/Expr/ListComp/comprehension/Name/id/inp/']

我需要把它转换成：

{'Module':'Expr', 'Expr':'ListComp', 'ListComp':'BinOp comprehension', 
'BinOp':'Name Sub Num', 'Name':'id', 'id':'i', 'Num':'0.5', 
'comprehension':'Name', 'Name':'id', 'id':'i inp'}

目标是将连接解析为结构{'parent':'child(s)'} 的字典。为了做到这一点，我已经尝试过：

rules = {}
connections_list = [[word for word in path.split("/") if word] for path in connections]

for path in connections_list:
    for i, word in enumerate(path):
        same_level = [y[i+1] for y in connections_list if len(connections_list) > i+1]
        if same_level:
            unique_on_level = list(set(same_level))
            rules.update({word:" ".join(unique_on_level)})
        else:
            pass
    break
print(rules)

有一个输出：

{'Module': 'Expr',
 'Expr': 'ListComp',
 'ListComp': 'BinOp comprehension',
 'BinOp': 'Num Sub Name'}

我想不出办法，这里的问题发生在最后一个节点周围，但我不知道如何解决，知道如何解决这个问题吗？

Answer 1

首先创建父节点到子节点的映射，然后删除重复项。

rules = {}
for connection in connections:
    parts = connection.rstrip("/").split("/")
    for parent, child in zip(parts, parts[1:]):
        if parent not in rules:
            rules[parent] = []
        rules[parent].append(child)

rules = {k: " ".join({}.fromkeys(v)) for k, v in rules.items()}

Answer 2

根据@wim 的回答和 cmets，我认为这应该可行：

from collections import defaultdict

rule_data = defaultdict(set)
for connection in connections:
    parts = connection.rstrip("/").split("/")
    for level, (parent, child) in enumerate(zip(parts, parts[1:])):
        rule_data[level, parent].add(child)

rules = [
    (parent, " ".join(sorted(children)))
    for (_level, parent), children in rule_data.items()
]

注意事项：

• 使用set 会丢弃孩子的顺序；如果它很重要，我们可以改为使用dict（或者，为了与旧版本的 Python 兼容，OrderedDict）：

  • rule_data = defaultdict(dict)
  • rule_data[level, parent][child] = None
  • (parent, " ".join(children))

• 为了输出的稳定性，我对子项进行排序，以便单元测试可以轻松工作，因此任何下游处理都不会看到虚假的变化。

• 正如@Prune 所说，这似乎不是数据的自然表示：

  • 您最终要达到什么目标？
  • 这里的rule_data 中间变量在进一步处理中可能比最终形式更有用...
  • 如果任何连接包含空格，则输出将不明确。

Answer 3

connections = ['Module/Expr/ListComp/BinOp/Name/id/i/',
               'Module/Expr/ListComp/BinOp/Sub/',
               'Module/Expr/ListComp/BinOp/Num/0.5/',
               'Module/Expr/ListComp/comprehension/Name/id/i/',
               'Module/Expr/ListComp/comprehension/Name/id/inp/']

splitted_conns = [conn.strip('/').split('/') for conn in connections]
res = {}
for conn in splitted_conns:
    for root, child in zip(conn[:-1], conn[1:]):
        res[root] = res.get(root, set()) | {child}
print(res)

输出：

{'Module': {'Expr'}, 'Expr': {'ListComp'}, 'ListComp': {'BinOp', 'comprehension'}, 'BinOp': {'Sub', 'Num' , 'Name'}, 'Name': {'id'}, 'id': {'inp', 'i'}, 'Num': {'0.5'}, 'comprehension': {'Name'}}

这样的？您的预期输出包含重复的节点“id”，我想这是一个错误，不是吗？

关于解决方案，我决定为每个子组使用一个集合，这样我们就可以避免节点名称中包含空格的失败。而且，with set 很容易避免重复。如果你想将每个集合转换为空格分隔的字符串，你可以试试这个：

{k: ' '.join(v) for k, v in res.items()}