Python对列表项的唯一列表进行排序

Question

我似乎无法在 SO 上找到关于我的特定问题的问题，如果之前有人问过这个问题，请原谅我！

无论如何，我正在编写一个脚本来遍历一组 URL，并给我一个具有唯一参数的唯一 URL 列表。

我遇到的麻烦实际上是比较参数以消除多个重复项。有点难解释，所以举几个例子大概是为了：

假设我有一个这样的 URL 列表

• hxxp://www.somesite.com/page.php?id=3&title=derp
• hxxp://www.somesite.com/page.php?id=4&title=blah
• hxxp://www.somesite.com/page.php?id=3&c=32&title=thing
• hxxp://www.somesite.com/page.php?b=33&id=3

我让它将每个 URL 解析成一个列表列表，所以最终我有一个这样的列表：

sort = [['id', 'title'], ['id', 'c', 'title'], ['b', 'id']]

那时我需要想办法在我的列表中只给我 2 个列表：

new = [['id', 'c', 'title'], ['b', 'id']]

截至目前，我有一点要整理一下，我知道我已经很接近了，而且我已经为此猛烈抨击了几天了:(。有什么想法吗？

提前致谢！ :)

编辑：抱歉不清楚！该脚本旨在为 web 应用程序 post-spidering 找到唯一的入口点。基本上，如果一个 URL 有 3 个唯一的入口点

['id', 'c', 'title']

我更喜欢具有 2 个唯一入口点的同一链接，例如：

['id', 'title']

所以我需要我的新列表来消除带有 2 的列表，并且仅当较小的变量在较大的集合中时才更喜欢带有 3 的列表。如果仍然不清楚，请告诉我，并感谢您的快速回复！ :)

Answer 1

我假设子集被认为是“重复的”（当然是不可交换的）......

首先将每个查询转换为一个集合，然后将它们全部从大到小排序。如果每个查询不是已添加查询的子集，则将其添加到新列表中。由于任何集合都是其自身的子集，因此此逻辑涵盖完全重复：

a = []
for q in sorted((set(q) for q in sort), key=len, reverse=True):
    if not any(q.issubset(Q) for Q in a):
        a.append(q)
a = [list(q) for q in a] # Back to lists, if you want