ruby - 识别特定 CSV 输出中的重复项

Question

这里是 Ruby 新手。我有一个产品 csv，其中第一个 col 是一个唯一的 SKU，第二个 col 是一个产品 ID，可以在多个产品中复制(+ 许多其他 cols，但这些是相关的)。喜欢:

SKU     | Prod ID
 99     | 10384
100     | 10385
101     | 10385
102     | 10386
103     | 10386
104     | 10387

在我正在编写的脚本中，第一次使用产品 ID 将成为“父级”，并且该产品 ID 的任何后续实例都会得到不同的处理(即，不同的尺寸)。

目前我正在阅读整个 CSV，而不是像我假设的那样执行 foreach 行，因为我需要所有可用的数据来查找重复项。

问题是我不确定如何能够在第一次使用产品 ID 时识别它，然后再识别它的任何进一步使用实例。

我的第一个想法是以某种方式识别重复项(uniq？)，然后创建一个新列，如果它是第一次出现则输入 1，如果之前发生过则输入 0。查看 uniq 后，我不确定如何返回主列表并标记我的 1 和 0。

有人可以指出我需要查看的类/方法的方向吗？

谢谢，利亚姆

为 John D 编辑:这给了我哈希值，但格式是 1:1 而不是 1: prod ID 的所有实例

CSV.foreach(INPUT, :headers => true , :header_converters => :symbol, :col_sep => "|",     :quote_char => "\x00") do |csv_obj|
  items[csv_obj.fields[0]] = [csv_obj.fields[1]]
end

所以给；"230709"=>["88507"], "109064"=>["9019"]

Answer 1

您将 Sku 视为唯一标识符，事实上可能是这样。但是如果你把它放在头上并将 ProductID 视为唯一标识符，那么你可以构建一个 Hash，其中键是 ProductID 值是 Sku 的 Array。然后您将能够跟踪哪些 Sku 与哪些 ProductID 相关联。

当然你会以其他方式阅读这篇文章，但最终结果将类似于:

products = 
{
  10384 => [99],
  10385 => [100, 101],
  10386 => [102, 103],
  10387 => [104]
}

下面是如何构造此哈希的示例:

#!/usr/bin/env ruby
require 'csv'

source = [
  "99|110384",
  "100|10385",
  "101|10385",
  "102|10386",
  "103|10386",
  "104|10387"
].join("\n")

source = CSV.parse(source, :col_sep => "|")

hh = source.inject({}) do |memo, row|
  sku = row[0]
  prod = row[1]

  memo[prod] = [] unless memo.include?(prod) 
  memo[prod] << sku
  memo
end

puts hh