Python 无限级分类树状结构生成算法的实现
后端研发的同学对无限级分类肯定映像深刻，当初花了不少时间吧？
无限级分类树状结构的应用场景很多，例如后端研发需要把用户相关权限读取出来并生成树状结构，前端研发拿到权限树之后可以按照结构展示用户有权限访问的栏目；再例如网页上的栏目分级：
作者在初次接触树状结构生成需求的时候，也是挠头，后来找到了一个代码少且清晰易懂的生成算法：递归。
首先，确保数据库中存储的类别信息如下：
[
{"id": 1, "name": '电器', "parent": 0},
{"id": 2, "name": '水果', "parent": 0},
{"id": 3, "name": '家用电器', "parent": 1},
{"id": 4, "name": '电吹风', "parent": 3},
{"id": 5, "name": '电风扇', "parent": 3},
{"id": 6, "name": '台灯', "parent": 3},
{"id": 7, "name": '商用电器', "parent": 1},
{"id": 8, "name": '大型电热锅', "parent": 7},
]
字段 parent 记录的是此条目的父编号，例如电吹风的父编号是 3，即电吹风属于家用电器，而家用电器的父编号是 1，即家用电器属于电器类产品。电吹风条目跟电器条目并无直接的标识进行关联，但需要用树状结构来表明 电器 <- 家用电器 <- 电吹风 的关系。
通过 parent 寻找父编号，并建立关联关系的操作实际上是循环往复的，直到找完所有的结点，这跟递归算法非常契合，很轻松便能写出对应的递归代码：
def generate_tree(source, parent): tree = [] for item in source: if item["parent"] == parent: item["child"] = generate_tree(source, item["id"]) tree.append(item) return tree
只需要将数据库中存储的信息传递给 generate_tree 函数即可。这段递归代码在往复循环的过程中通过 parent 来寻找子结点，找到子结点后将其添加到树中。完整代码如下：
import json
def generate_tree(source, parent):
tree = []
for item in source:
if item["parent"] == parent:
item["child"] = generate_tree(source, item["id"])
tree.append(item)
return tree
if __name__ == '__main__':
permission_source = [
{"id": 1, "name": '电器', "parent": 0},
{"id": 2, "name": '水果', "parent": 0},
{"id": 3, "name": '家用电器', "parent": 1},
{"id": 4, "name": '电吹风', "parent": 2},
{"id": 5, "name": '电风扇', "parent": 3},
{"id": 6, "name": '台灯', "parent": 3},
{"id": 7, "name": '商用电器', "parent": 1},
{"id": 8, "name": '大型电热锅', "parent": 7},
]
permission_tree = generate_tree(permission_source, 0)
print(json.dumps(permission_tree, ensure_ascii=False))
你试试运行一下，看看结构是否符合预期。
使用缓存优化算法
递归算法中有很多重复的计算，这些计算不仅占用额外资源，还会降低函数执行效率，因此需要对递归进行优化。这里选用缓存优化法提升函数执行效率。
基本思路是每次找到结点关系后将此条目的编号添加到一个列表中缓存起来，代表此条目已找到结点关系。当往复循环执行函数时再次遇到此条目可以跳过。代码改动很简单，增加一个缓存列表和控制流语句即可：
def generate_tree(source, parent, cache=[]): tree = [] for item in source: if item["id"] in cache: continue if item["parent"] == parent: cache.append(item["id"]) item["child"] = generate_tree(source, item["id"], cache) tree.append(item) return tree
至此，无限级分类树状结构生成算法完成。你学会了吗？
到此这篇关于Python 无限级分类树状结构生成算法的实现的文章就介绍到这了,更多相关Python 无限级分类树状结构内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
今天小编就为大家分享一篇python实现n个数中选出m个数的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-11-11
static用法：是一个修饰符，用于修饰成员(成员变量，成员函数).当成员被静态修饰后，就多了一个调用方式，除了可以被对象调用外，还可以直接被类名调用，格式——类名.静态成员。2018-01-01
widows下安装pycurl并利用pycurl请求https地址的方法
今天小编就为大家分享一篇widows下安装pycurl并利用pycurl请求https地址的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-10-10
anaconda虚拟环境python sklearn库的安装过程
Anaconda是专注于数据分析的Python发行版本,包含了conda、Python等190多个科学包及其依赖项,这篇文章主要给大家介绍了关于anaconda虚拟环境python sklearn库的安装过程,需要的朋友可以参考下2023-11-11
这篇文章主要介绍了在python 脚本下解析json数据，json数据包括JSONObject和JSONArray，下文关于其解析的内容需要的小伙伴可以参考一下2022-04-04
csrf是通过伪装来自受信任用户的请求来利用受信任的网站。这篇文章主要介绍了Django csrf 验证问题的实现，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-10-10
日常工作中我们经常会用到pdf格式的文件,大多数情况下是浏览或者编辑pdf信息,但有时候需要提取pdf中的文本,这篇文章主要给大家总结介绍了关于Python从PDF中提取文本的方法效率,需要的朋友可以参考下2023-09-09
这篇文章主要介绍了python使用XPath解析数据爬取起点小说网数据，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下2021-04-04
这篇文章主要介绍了解决更改AUTH_USER_MODEL后出现的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-05-05
Windows 下更改 jupyterlab 默认启动位置的教程详解
这篇文章主要介绍了Windows 下更改 jupyterlab 默认启动位置，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-05-05
最新评论