如何确保属性值在Python中是唯一的？

Question

我正在抓取一个网站，里面有人的名单。同一个人可以出现多次，而且多个人可以共享同一个姓名：

Tommy Atkins (id:312)
Tommy Atkins (id:183)
Tommy Atkins (id:312)

我想为每个人创建一个对象并丢弃重复的对象。你知道吗

我目前正在使用列表理解来循环所有类实例，看看key是否已经在使用。有没有更简单的方法？你知道吗

class Object:
    def __init__(self, key):
        if [object for object in objects if object.key == key]:
            raise Exception('key {} already exists'.format(key))
        else: self.key = key

objects = []
objects.append(Object(1))
objects.append(Object(1)) # Exception: key 1 already exists

Answer 1

在类中定义^{}和^{}，根据key的值比较实例，并使用它计算哈希。使用set代替列表，因为它将以一种有效的方式自动过滤重复项：

class Object:
    def __init__(self, key):
        self.key = key

    def __eq__(self, other):
        if isinstance(other, type(self)):
            return self.key == other.key 
        return NotImplemented

    def __ne__(self, other):
        return not type(self).__eq__(self, other)

    def __hash__(self):
        return hash(self.key)


objects = set()
o1 = Object(1)
o2 = Object(1)
objects.add(o1)
objects.add(o2)

print (o1, o2)   # <__main__.Object object at 0x105996ba8> <__main__.Object object at 0x105996be0>
print (objects)  # {<__main__.Object object at 0x105996ba8>}

不要将实例永久地分配给变量，否则它将不会被垃圾收集（请注意，这仅适用于CPython）：

objects = set()

for _ in range(5):
    ins = Object(1)
    print(id(ins))
    objects.add(ins)

输出：

4495640448 # First instance and this is now stored in the set
           # hence it is not going to be garbage collected. 
4495640840 # Python is now using new memory space.
4495640896 # Right now 4495640840 is still owned by the 
           # previous instance, hence use new memory address
           # But after this assignment the instance at 4495640840 
           # has no more references, i.e ins now points to 4495640896
4495640840 # Re-use 4495640840
4495640896 # Repeat...

Answer 2

ids的全局存储很好，但是最好利用set而不是list，因为检查i in {}是O（1），而i in []是O（N）