python - 如何过滤嵌套的 JSON 并保留匹配的分支层次结构？

Question

这个很棘手......关于如何遍历树有很多问题和答案，但我无法根据我的特殊情况调整任何建议的解决方案。我的问题非常接近 Python: How can I filter a n-nested dict of dicts by leaf value?

我有一个具有特殊嵌套结构(子词、同义词、名称、id)的 JSON 数据，其深度可以是任意的。

tree=[{'id': 20, 'name': 'education', 'subterms': [
               {'id': 21, 'name': 'schools', 'synonyms': []},
               {'id': 22, 'name': 'schoolbooks', 'synonyms': ['literature']},
               {'id': 23, 'name': 'higher education', 'synonyms': ['university']},
               {'id': 25, 'name': 'conference', 'synonyms': ['lecture']}]},
 {'id': 26, 'name': 'health', 'subterms': [
               {'id': 27, 'name': 'health issues', 'synonyms': []},
               {'id': 28, 'name': 'nutrition', 'synonyms': []},
               {'id': 29, 'name': 'medicine', 'synonyms': []}]},
 {'id': 1, 'name': 'business', 'subterms': [{'id': 2,
                'name': 'industry',
                'subterms': [{'id': 21, 'name': 'service', 'synonyms': []},
                             {'id': 21, 'name': 'agriculture', 'synonyms': []}],
                'synonyms': []},
               {'id': 3, 'name': 'professions', 'synonyms': ['jobs']}]}]

我的目标是通过匹配“名称”和“同义词”来过滤这棵树。必须保留匹配项的分支层次结构:第 3 层的匹配子项意味着第 1 层和第 2 层的父项也被保留(但不是子项)。

例如，使用 filterterms=['literature', 'agriculture'] 应该会产生以下过滤树:

[{'id': 20, 'name': 'education', 'subterms': [
               {'id': 22,'name': 'schoolbooks', 'synonyms': ['literature']}]},
 {'id': 1, 'name': 'business', 'subterms': [{'id': 2, 'name': 'industry',
                'subterms': [{'id': 21, 'name': 'agriculture', 'synonyms': []}],
                'synonyms': []}]}]

到目前为止，我在 n 级遍历树并保留匹配项的分支层次结构的所有尝试都以失败告终……对我如何解决此任务有任何帮助吗？

Answer 1

我认为这可以满足您的需求。

tree=[{'id': 20, 'name': 'education', 'subterms': [
               {'id': 21, 'name': 'schools', 'synonyms': []},
               {'id': 22, 'name': 'schoolbooks', 'synonyms': ['literature']},
               {'id': 23, 'name': 'higher education', 'synonyms': ['university']},
               {'id': 25, 'name': 'conference', 'synonyms': ['lecture']}]},
 {'id': 26, 'name': 'health', 'subterms': [
               {'id': 27, 'name': 'health issues', 'synonyms': []},
               {'id': 28, 'name': 'nutrition', 'synonyms': []},
               {'id': 29, 'name': 'medicine', 'synonyms': []}]},
 {'id': 1, 'name': 'business', 'subterms': [{'id': 2,
                'name': 'industry',
                'subterms': [{'id': 21, 'name': 'service', 'synonyms': []},
                             {'id': 21, 'name': 'agriculture', 'synonyms': []}],
                'synonyms': []},
               {'id': 3, 'name': 'professions', 'synonyms': ['jobs']}]}]

def filter_by_name(node, names):
    if isinstance(node, list):
        return filter(None, (filter_by_name(x, names) for x in node if x))
    subterms = filter(None, filter_by_name(node.get('subterms',[]), names))
    if set([node['name']]+node.get('synonyms',[])).intersection(names):
        return dict(node, subterms=subterms)
    if subterms:
        return dict(node, subterms=subterms)
    return None


from pprint import pprint
pprint(filter_by_name(tree, ['business']))
pprint(filter_by_name(tree, ['literature']))
pprint(filter_by_name(tree, ['literature', 'agriculture']))

结果:

[{'id': 1, 'name': 'business', 'subterms': []}]
[{'id': 20,
  'name': 'education',
  'subterms': [{'id': 22,
                'name': 'schoolbooks',
                'subterms': [],
                'synonyms': ['literature']}]}]
[{'id': 20,
  'name': 'education',
  'subterms': [{'id': 22,
                'name': 'schoolbooks',
                'subterms': [],
                'synonyms': ['literature']}]},
 {'id': 1,
  'name': 'business',
  'subterms': [{'id': 2,
                'name': 'industry',
                'subterms': [{'id': 21,
                              'name': 'agriculture',
                              'subterms': [],
                              'synonyms': []}],
                'synonyms': []}]}]