如何使用Python实现适配不同输入值形式的自定义索引

你要实现的根据不同输入取值返回对应结果的索引，本质是带匹配逻辑的映射结构，根据匹配复杂度可以选不同的实现方式：

1. 固定值精确匹配场景 #

如果所有输入都是离散的固定取值，直接用Python原生字典实现即可，查询时间复杂度O(1)，性能最高：

# 构建索引
exact_match_index = {
    "product_1": "商品1：笔记本电脑",
    "product_2": "商品2：无线鼠标",
    404: "错误码：页面不存在",
    ("admin", 1): "超级管理员账号"
}

# 查询方法
def query(input_val):
    return exact_match_index.get(input_val, "未找到对应匹配结果")

# 测试
print(query("product_1"))  # 输出：商品1：笔记本电脑

2. 支持规则/范围/模式匹配场景 #

如果需要支持数值范围、字符串格式、自定义条件这类非精确匹配（即参考示例里的多分支匹配索引效果），可以用优先级规则列表实现：按匹配优先级从高到低存储规则，查询时从前到后遍历，返回第一个命中规则的对应结果。
可直接复用的实现代码：

import re

class MatcherIndex:
    def __init__(self):
        # 存储格式：(匹配校验函数, 对应返回结果)，顺序即匹配优先级
        self._rules = []
        # 单独存精确匹配项，提升查询效率
        self._exact_map = {}

    def add_exact(self, match_key, result):
        """添加精确匹配规则"""
        self._exact_map[match_key] = result

    def add_regex(self, pattern: str, result):
        """添加字符串正则匹配规则"""
        compiled_reg = re.compile(pattern)
        self._rules.append(
            (lambda x, reg=compiled_reg: isinstance(x, str) and bool(reg.fullmatch(x)), result)
        )

    def add_num_range(self, result, min_val=None, max_val=None):
        """添加数值范围匹配规则"""
        def num_check(x):
            if not isinstance(x, (int, float)):
                return False
            if min_val is not None and x < min_val:
                return False
            if max_val is not None and x > max_val:
                return False
            return True
        self._rules.append((num_check, result))

    def add_custom(self, check_func, result):
        """添加自定义匹配规则，支持任意判断逻辑"""
        self._rules.append((check_func, result))

    def query(self, input_val):
        # 优先查精确匹配，性能最高
        if input_val in self._exact_map:
            return self._exact_map[input_val]
        # 精确匹配未命中，按优先级遍历规则
        for check, res in self._rules:
            if check(input_val):
                return res
        # 所有规则都没命中
        return "无匹配结果"


# 用法示例
if __name__ == "__main__":
    idx = MatcherIndex()
    # 按优先级添加规则
    idx.add_exact(0, "匹配结果：输入为数值0")
    idx.add_num_range(min_val=1, max_val=100, result="匹配结果：输入为1-100区间的数值")
    idx.add_regex(r"^u_\d{3,}$", "匹配结果：输入为u_开头加3位以上数字的用户ID")
    idx.add_custom(
        check_func=lambda x: isinstance(x, list) and len(x) >= 3,
        result="匹配结果：输入为长度≥3的列表"
    )

    # 测试查询
    print(idx.query(0))          # 输出：匹配结果：输入为数值0
    print(idx.query(66))         # 输出：匹配结果：输入为1-100区间的数值
    print(idx.query("u_1234"))   # 输出：匹配结果：输入为u_开头加3位以上数字的用户ID
    print(idx.query([1,2,3]))    # 输出：匹配结果：输入为长度≥3的列表

优化建议 #

• 规则量级较大（千条以上）时，可以先给规则按输入类型打标签，查询时先判断输入类型，只遍历对应类型下的规则，减少无效遍历
• 如果需要返回所有命中的结果而非第一个优先级最高的，修改query方法，遍历所有规则收集命中结果再返回即可
• 涉及高频查询的规则可以提升优先级，放在规则列表靠前的位置，进一步降低平均查询耗时

内容的提问来源于stack exchange，提问作者Ander Alberro