比较python字典值

Question

我正在用 python 创建一个非常基本的搜索引擎，我正在创建一种处理短语查询的方法，所以如果 2 个单词的位置在 1 以内，它们在文档中彼此相邻，它将输出发生这种情况的所有文档编号。

我目前有一本像这样的字典

{'8':[['1170', '1264', '1307', '1559', '1638'], ['197', '1169']], 
 '6':[['345', '772'], ['346']}

这只是一个布局示例。

w=word, p=position ||
{doc1:[w1p1, w1p2, w1p3],[w2p1, w2p2]}

key 是文档 id，然后是文档中第一个单词包含的位置，然后是第二个单词的位置。将有与查询中的一样多的单词（位置分组）。

我的问题是，有没有一种方法可以比较相同文档 ID 的 1 和 2nd + 3rd 等的值？我想比较它们，看看一个词的位置是否只是另一个词的+1。

所以你可以看到 doc 6 单词 2 跟在单词 1 之后，这将导致密钥被发回。

Answer 1

有几种方法可以实现您在此处尝试执行的操作。根据您给我的示例，我假设始终只有两个单词，并且列表始终按顺序排列。

无论使用什么方法，您都需要遍历文档（字典）。在 Python 中迭代字典很简单；你可以看到一个例子here。之后，步骤改变

第一个选项 - 效率较低，稍微简单一些：

1. 遍历列表 1 中的每个项目（位置）（第一个单词的位置）。
2. 遍历列表 2 中的每个项目（位置）（第二个单词的位置）。

3. 比较两个位置，如果它们在 1 以内，则返回文档 id。

   例子：

   for documentNumber in docdictionary:
       for word1location in docdictionary[documentNumber][0]:
           for word2location in docdictionary[documentNumber][1]:
               if abs(word1location - word2location) == 1:
                   return documentNumber
   

第二个选项 - 更高效，稍微复杂一点：

1. 从每个单词位置列表的开头开始，跟踪您的位置
2. 检查您所在位置的两个值。
   • 如果两个值相差 1 个字，则返回文档编号
   • 如果两个值都不是，请检查哪个列表项（页面位置）具有较低的值并移至该列表中的下一项，重复

3. 如果其中一个列表（例如列表 1）用完数字，而另一个列表（列表 2）的值大于第一个列表（列表 1）的最后一个值，则返回 None。

   例子：

   for documentNumber in docdictionary:
       list1pos = 0
       list2pos = 0
       while True:
           difference = docdictionary[documentNumber][0][list1pos] - docdictionary[documentNumber][1][list2pos]
           if abs(difference) == 1:
               return documentNumber
           if difference < 0: #Page location 2 is greater
               list1pos++
               if list1pos == len(docdictionary[documentNumber][0]): #We were at the end of list 1, there will be no more matches
                   break
           else: #Page location 1 is greater
               list2pos++
               if list2pos == len(docdictionary[documentNumber][1]): #We were at the end of list 2, there will be no more matches
                   break
   return None
   

提醒一下，选项 2仅在列表始终排序时有效。此外，您并不总是需要立即返回文档 ID。如果您想要该对出现的所有文档而不是它找到的第一个文档，您可以将文档 ID 添加到列表中。您甚至可以使用字典轻松跟踪单词对在每个文档中出现的次数。

希望这有帮助！如果有任何不清楚的地方，请告诉我。