Istnieją potencjalne problemy, jeśli napiszesz własną implementację rekurencyjną lub iteracyjny odpowiednik ze stosem. Zobacz ten przykład:
dic = {}
dic["key1"] = {}
dic["key1"]["key1.1"] = "value1"
dic["key2"] = {}
dic["key2"]["key2.1"] = "value2"
dic["key2"]["key2.2"] = dic["key1"]
dic["key2"]["key2.3"] = dic
W normalnym sensie słownik zagnieżdżony będzie n-arowym drzewem, podobnym do struktury danych. Ale definicja nie wyklucza możliwości krawędzi poprzecznej lub nawet tylnej krawędzi (a zatem nie jest już drzewem). Na przykład, o key2.2 posiada słownika z key1 , key2.3 wskazuje na całej tylnej krawędzi (słowniku / stopień). Kiedy występuje tylna krawędź (cykl), stos / rekursja będzie działać w nieskończoność.
root<-------back edge
/ \ |
_key1 __key2__ |
/ / \ \ |
|->key1.1 key2.1 key2.2 key2.3
| / | |
| value1 value2 |
| |
cross edge----------|
Jeśli drukujesz ten słownik z tą implementacją firmy Scharron
def myprint(d):
for k, v in d.items():
if isinstance(v, dict):
myprint(v)
else:
print "{0} : {1}".format(k, v)
Zobaczysz ten błąd:
RuntimeError: maximum recursion depth exceeded while calling a Python object
To samo dotyczy implementacji od senderle .
Podobnie, dzięki tej implementacji Freda Foo otrzymujesz nieskończoną pętlę :
def myprint(d):
stack = list(d.items())
while stack:
k, v = stack.pop()
if isinstance(v, dict):
stack.extend(v.items())
else:
print("%s: %s" % (k, v))
Jednak Python faktycznie wykrywa cykle w zagnieżdżonym słowniku:
print dic
{'key2': {'key2.1': 'value2', 'key2.3': {...},
'key2.2': {'key1.1': 'value1'}}, 'key1': {'key1.1': 'value1'}}
„{...}” to miejsce, w którym wykrywany jest cykl.
Zgodnie z życzeniem firmy Moondra jest to sposób na uniknięcie cykli (DFS):
def myprint(d):
stack = list(d.items())
visited = set()
while stack:
k, v = stack.pop()
if isinstance(v, dict):
if k not in visited:
stack.extend(v.items())
else:
print("%s: %s" % (k, v))
visited.add(k)