嵌套HashSet是否为合适数据模型？去重失效问题求助

问题分析与解决方案 #

一、嵌套HashSet是否适合当前场景？

是否合适取决于你的业务需求：

• 如果每个列值组（columns中的子集合）需要无序存储且内部不允许重复的ColumnValues实例，那么HashSet<ColumnValues>是合理的选择；
• 如果列值组需要保留固定顺序（比如和原始数据的列顺序一致），则应该将内部的HashSet替换为List<ColumnValues>，再配合对应顺序的相等性判断逻辑。

但你当前遇到的去重失败问题，核心原因是HashSet的默认相等性判断是引用比较，而非内容比较，且你的自定义比较器未正确实现集合内容的相等逻辑。

二、解决重复元素问题的具体步骤

1. 修正ColumnValues的相等性逻辑

你当前的Equals和GetHashCode存在冗余判断（column字段和Column属性是同一值），简化后才能保证单个ColumnValues实例的相等性判断正确：

public class ColumnValues
{
    private readonly string _column;
    private readonly string _value;

    public ColumnValues(string col, string val)
    {
        _column = col;
        _value = val;
    }

    public string Column => _column;
    public string Value => _value;

    public override bool Equals(object obj)
    {
        return obj is ColumnValues other &&
               _column == other._column &&
               _value == other._value;
    }

    public override int GetHashCode()
    {
        return HashCode.Combine(_column, _value);
    }
}

2. 实现正确的HashSet<ColumnValues>比较器

你的自定义比较器直接调用HashSet.Equals()，而该方法默认是引用相等判断，完全没起到内容比较的作用。正确的逻辑应该是用SetEquals()判断集合内容是否一致，同时基于集合元素的哈希码生成集合的哈希值：

public class HashSetColumnValuesComparer : IEqualityComparer<HashSet<ColumnValues>>
{
    public bool Equals(HashSet<ColumnValues> x, HashSet<ColumnValues> y)
    {
        if (ReferenceEquals(x, y)) return true;
        if (x == null || y == null) return false;
        // HashSet.SetEquals()会判断两个集合是否包含完全相同的元素（无序）
        return x.SetEquals(y);
    }

    public int GetHashCode(HashSet<ColumnValues> obj)
    {
        if (obj == null) return 0;
        // 基于集合内所有元素的哈希码组合生成集合的哈希值
        int hash = 17;
        foreach (var cv in obj)
        {
            hash = hash * 31 + cv.GetHashCode();
        }
        return hash;
    }
}

3. 使用修正后的比较器去重

调用Distinct时传入正确的比较器即可实现基于内容的去重：

var dataModels = new List<DataModel>();
GatherColumns(code.Syntax);

var comparer = new HashSetColumnValuesComparer();
dataModels.ForEach(dataModel => 
    dataModel.Columns = dataModel.Columns.Distinct(comparer).ToList()
);

return dataModels;

三、优化建议

如果希望从源头避免重复，可以直接将DataModel中的Columns字段定义为HashSet<HashSet<ColumnValues>>，并在初始化时传入上述自定义比较器，这样添加元素时会自动去重，无需事后调用Distinct。

内容的提问来源于stack exchange，提问作者Fares