附加到哈希中的数组值

Question

我正在解析多个网站并尝试构建一个类似于以下内容的哈希：

"word" => [[01.html, 2], [02.html, 7], [03.html, 4]]

其中 word 是索引中的给定单词，每个子列表中的第一个值是找到它的文件，第二个值是该给定文件中的出现次数。

我遇到了一个问题，它不是在值列表中附加["02.html", 7]，而是为“word”创建一个全新的条目并将["02.html", 7] 放在哈希的末尾。这基本上会为我的所有网站提供单独的索引，而不是给我一个主索引。

这是我的代码：

for token in tokens
   if !invindex.include?(token)
     invindex[token] = [[doc_name, 1]] #adds the word to the hash with the doc name and  occurrence of 1
   else
     for list in invindex[token]
       if list[0] == doc_name
         list[1] += 1 #adds one to the occurrence with the same doc_name
       else
         invindex[token].insert([doc_name, 1]) #this SHOULD append the doc name and initial occurrence inside the word's value list since the word is already in the hash
       end
     end
   end
 end
end

希望它是简单的，当我在纸上追踪它时，我只是错过了一些东西。

Answer 1

我遇到了一个问题，而不是附加 ["02.html", 7] 在值列表中，它为“word”创建了一个全新的条目，并且 将 ["02.html", 7] 放在哈希的末尾。

我没看到：

invindex = {
  word1: [ 
    ['01.html', 2],
  ]
}

tokens = %i[
  word1
  word2
  word3
]

doc_name = '02.html'

tokens.each do |token|
  if !invindex.include?(token)
    invindex[token] = [[doc_name, 1]] #adds the word to the hash with the doc name and  occurrence of 1
  else
    invindex[token].each do |list|
      if list[0] == doc_name
        list[1] += 1 #adds one to the occurrence with the same doc_name
      else
        invindex[token].insert([doc_name, 1]) #this SHOULD append the doc name and initial occurrence inside the word's value list since the word is already in the hash
      end
    end
  end

end

p invindex

--output:--
{:word1=>[["01.html", 2]], :word2=>[["02.html", 1]], :word3=>[["02.html", 1]]}

invindex[token].insert([doc_name, 1]) #this SHOULD append the doc name

没有：

invindex = {
  word: [ 
    ['01.html', 2],
  ]
}

token = :word
doc_name = '02.html'

invindex[token].insert([doc_name, 7])
p invindex
invindex[token].insert(-1, ["02.html", 7])
p invindex

--output:--
{:word=>[["01.html", 2]]}
{:word=>[["01.html", 2], ["02.html", 7]]}

Array#insert() 要求您将索引指定为第一个参数。通常，当您想在末尾附加一些内容时，您使用<<：

invindex = {
  word: [ 
    ['01.html', 2],
  ]
}

token = :word
doc_name = '02.html'

invindex[token] << [doc_name, 7]
p invindex

--output:--
{:word=>[["01.html", 2], ["02.html", 7]]}  

for token in tokens

Ruby 爱好者不使用for-in 循环，因为for-in 循环调用each()，所以Ruby 爱好者直接调用each()：

tokens.each do |token|
  ...
end

最后，indenting in ruby 是 2 个空格——不是 3 个空格，不是 1 个空格，也不是 4 个空格。是 2 个空格。

将所有这些应用到您的代码中：

invindex = {
  word1: [ 
    ['01.html', 2],
  ]
}

tokens = %i[
  word1
  word2
  word3
]

doc_name = '01.html'

tokens.each do |token|
  if !invindex.include?(token)
    invindex[token] = [[doc_name, 1]] #adds the word to the hash with the doc name and  occurrence of 1
  else
    invindex[token].each do |list|
      if list[0] == doc_name
        list[1] += 1 #adds one to the occurrence with the same doc_name
      else
        invindex[token] << [doc_name, 1] #this SHOULD append the doc name and initial occurrence inside the word's value list since the word is already in the hash
      end
    end
  end

end

p invindex

--output:--
{:word1=>[["01.html", 3]], :word2=>[["01.html", 1]], :word3=>[["01.html", 1]]}

但是，仍然存在一个问题，这是因为您正在更改一个正在逐步执行的数组——这是计算机编程中的一大禁忌：

   invindex[token].each do |list|
      if list[0] == doc_name
        list[1] += 1 #adds one to the occurrence with the same doc_name
      else
        invindex[token] << [doc_name, 1]  #***PROBLEM***

看看会发生什么：

invindex = {
  word1: [ 
    ['01.html', 2],
  ]
}

tokens = %i[
  word1
  word2
  word3
]

%w[ 01.html 02.html].each do |doc_name|

  tokens.each do |token|
    if !invindex.include?(token)
      invindex[token] = [[doc_name, 1]] #adds the word to the hash with the doc name and  occurrence of 1
    else
      invindex[token].each do |list|
        if list[0] == doc_name
          list[1] += 1 #adds one to the occurrence with the same doc_name
        else
          invindex[token] << [doc_name, 1] #this SHOULD append the doc name and initial occurrence inside the word's value list since the word is already in the hash
        end
      end
    end

  end
end

p invindex

--output:--
{:word1=>[["01.html", 3], ["02.html", 2]], :word2=>[["01.html", 1], ["02.html", 2]], :word3=>[["01.html", 1], ["02.html", 2]]}

问题 1： 您不想在每次检查的子数组不包含doc_name 时插入[doc_name, 1]——您只想在之后插入[doc_name, 1]已检查所有子阵列，但未找到 doc_name。如果您使用起始哈希运行上面的示例：

invindex = {
  word1: [ 
    ['01.html', 2],
    ['02.html', 7],
  ]
}

...你会看到输出更糟。

问题 2： 在遍历数组时将[doc_name, 1] 附加到数组意味着当循环到达数组末尾时，[doc-name, 1] 也将被检查——然后您的循环会将其计数增加到 2。规则是：不要更改您正在单步执行的数组，因为会发生不好的事情。

Answer 2

你真的需要一个包含数组数组的哈希吗？

这可以用嵌套散列更好地描述

invindex = {
  "word" => { '01.html' => 2, '02.html' => 7, '03.html' => 4 },
  "other" => { '01.html' => 1, '02.html' => 17, '04.html' => 4 }
}

可以通过使用类似的哈希工厂轻松填充

invindex = Hash.new { |h,k| h[k] = Hash.new {|hh,kk| hh[kk] = 0} }
tokens.each do |token|
  invindex[token][doc_name] += 1
end

现在，如果您绝对需要您提到的格式，您可以通过简单的迭代从描述的invindex 获得它

result = {}
invindex.each {|k,v| result[k] = v.to_a }

Answer 3

假设：

arr = %w| 01.html 02.html 03.html 02.html 03.html 03.html |
  #=> ["01.html", "02.html", "03.html", "02.html", "03.html", "03.html"] 

是索引中给定单词的文件数组。然后通过构造计数哈希来给出哈希中那个词的值：

h = arr.each_with_object(Hash.new(0)) { |s,h| h[s] += 1 }
  #=> {"01.html"=>1, "02.html"=>2, "03.html"=>3}

然后将其转换为数组：

h.to_a
  #=> [["01.html", 1], ["02.html", 2], ["03.html", 3]]

所以你可以写：

arr.each_with_object(Hash.new(0)) { |s,h| h[s] += 1 }.to_a

Hash::new 的默认值为零。这意味着如果正在构造的哈希 h 没有键 s，h[s] 将返回零。在这种情况下：

h[s] += 1
  #=> h[s] = h[s] + 1
  #        = 0 + 1 = 1

并且当arr 中的s 的相同值传递给块时：

h[s] += 1
  #=> h[s] = h[s] + 1
  #        = 1 + 1 = 2

您可以考虑将索引中每个单词的值设为哈希h是否更好。