如何使用单个列表创建字典？答案

【问题标题】：How to create a dictionary using a single list?如何使用单个列表创建字典？
【发布时间】：2019-08-15 16:15:53
【问题描述】：

我有一份来自我所在国家/地区的报纸网站的网址和标题列表。举个一般的例子：

x = ['URL1','news1','news2','news3','URL2','news1','news2','URL3','news1']

每个 URL 元素都有一个相应的“新闻”元素序列，其长度可以不同。在上面的例子中，URL1 有 3 个对应的新闻，而 URL3 只有一个。

有时一个 URL 没有对应的“新闻”元素：

y = ['URL4','news1','news2','URL5','URL6','news1']

我可以轻松找到每个 URL 索引和每个 URL 的“新闻”元素。

我的问题是：是否可以将此列表转换为字典，其中 URL 元素是键，“新闻”元素是列表/元组值？

预期输出

z = {'URL1':('news1', 'news2', 'news3'),
     'URL2':('news1', 'news2'),
     'URL3':('news1'),
     'URL4':('news1', 'news2'),
     'URL5':(),
     'URL6':('news1')}

我在post 中看到了类似的问题，但它并没有解决我的问题。

【问题讨论】：

请包含您编写的未产生所需输出的代码。
这是可能的，但对于某些函数 foo、bar 和 baz，可能没有像 dict(foo(bar(baz(x)))) 这样特别优雅的东西。
你在生成x吗？如果是这样，一定有更好的方法来做到这一点。
@DeepSpace 我正在使用 Selenium 废弃一个网站，尽管以这种方式使用列表更容易使用。但事实并非如此。

标签： python list dictionary

【解决方案1】：

你可以这样做：

>>> y = ['URL4','news1','news2','URL5','URL6','news1']
>>> result = {}
>>> current_url = None
>>> for entry in y:
...     if entry.startswith('URL'):
...         current_url = entry
...         result[current_url] = ()
...     else:
...         result[current_url] += (entry, )
...         
>>> result
{'URL4': ('news1', 'news2'), 'URL5': (), 'URL6': ('news1',)}

【讨论】：

你可以使用deafultdict(list)来保存至少4行。如果您知道需要添加新项目，我不确定您为什么选择使用元组
@DeepSpace，OP 想要元组，所以他们来了！我最初使用的是列表，但后来编辑了代码以使用元组。至于defaultdict - 绝对；我总是忘记它。
@DeepSpace 我明白你关于使用元组的观点。我重新排列了 ForceBru 的答案以适合数组。

【解决方案2】：

您可以使用 itertools.groupby 和 key 函数来识别 URL：

from itertools import groupby
def _key(url):
    return url.startswith("URL") #in the body of _key, write code to identify a URL

data = ['URL1','news1','news2','news3','URL2','news1','news2','URL3','news1', 'URL4','news1','news2','URL5','URL6','news1']
new_d = [list(b) for _, b in groupby(data, key=_key)]
grouped = [[new_d[i], tuple(new_d[i+1])] for i in range(0, len(new_d), 2)]
result = dict([i for [*c, a], b in grouped for i in [(i, ()) for i in c]+[(a, b)]])

输出：

{
 'URL1': ('news1', 'news2', 'news3'), 
 'URL2': ('news1', 'news2'), 
 'URL3': ('news1',), 
 'URL4': ('news1', 'news2'), 
 'URL5': (), 
 'URL6': ('news1',)
}

【讨论】：

【解决方案3】：

您可以只使用列表中 URL 键的索引并获取索引之间的内容并分配给第一个

像这样：

x = ['URL1','news1','news2','news3','URL2','news1','news2','URL3','news1']
urls = [x.index(y) for y in x if 'URL' in y]
adict = {}
for i in range(0, len(urls)):
    if i == len(urls)-1:
        adict[x[urls[i]]] = x[urls[i]+1:len(x)]
    else:
        adict[x[urls[i]]] = x[urls[i]+1:urls[i+1]]
print(adict)

输出：

{'URL1': ['news1', 'news2', 'news3'], 'URL2': ['news1', 'news2'], 'URL3': ['news1']}

【讨论】：

if 'URL' in y 对于像http://mytinyURL.com 这样的字符串也将是True，这不是您想要的。
@jjramsey 但这不在他的列表中。
没错，但 'news1'、'news2' 等项目显然是可能包含几乎任意文本的项目的占位符，包括包含字符 'URL' 的字符串。
@jjramsey 他显然可以根据他的用例对其进行修改。这就像说如果“Cat”是 URL 之一，则此特定代码将不起作用——它是任意的。我们的想法是使用索引并找到有关 url 的独特之处以便能够获取它们。
@jjramsey 我应该指出news 项目中没有'URL'。

【解决方案4】：

more-itertools library 包含一个函数 split_before()，它为此目的非常方便：

{s[0]: tuple(s[1:]) for s in mt.split_before(x, lambda e: e.startswith('URL'))}

我认为这比之前发布的答案中的任何其他方法都干净，但它确实引入了外部依赖项（除非您重新实现该函数），这使得它不适用于所有情况。

如果您的实际用例涉及真实的 URL 或其他内容，而不是 URL# 形式的字符串，那么只需将 lambda e: e.startswith('URL') 替换为您可以用来选择除值元素之外的关键元素的任何函数。

【讨论】：

【解决方案5】：

使用groupby 的另一种解决方案，单线：

x = ['URL1','news1','news2','news3','URL2','news1','news2','URL3','news1', 'URL4','news1','news2','URL5','URL6','news1']

from itertools import groupby

out = {k: tuple(v) for _, (k, *v) in groupby(x, lambda k, d={'g':0}: (d.update(g=d['g']+1), d['g']) if k.startswith('URL') else (None, d['g']))}

from pprint import pprint
pprint(out)

打印：

{'URL1': ('news1', 'news2', 'news3'),
 'URL2': ('news1', 'news2'),
 'URL3': ('news1',),
 'URL4': ('news1', 'news2'),
 'URL5': (),
 'URL6': ('news1',)}

【讨论】：