Clojure中如何基于自定义比较实现set/union（仅用:id与:name）

好问题！在Clojure里处理这种只关心部分字段的集合合并，默认的clojure.set/union确实帮不上忙——它是拿整个元素的相等性来判断的，所以哪怕只是zip不一样，也会被当成两个不同元素。下面是几种业内惯用的解决办法，你可以根据场景选：

方法1：基于唯一键映射合并（最常用、高效） #

这种思路是把每个元素的:id和:name组合成唯一键，用Map来自动去重（因为Map的键是唯一的），最后提取值转成集合就行。优点是简洁、性能好，不需要额外定义类型：

(def set-a #{{:id 1 :name "ABC" :zip 78759} {:id 2 :name "DEF" :zip 78759}})
(def set-b #{{:id 1 :name "ABC" :zip 78753} {:id 3 :name "XYZ" :zip 78704}})

(defn union-by-id-name [s1 s2]
  (->> (concat s1 s2)
       ;; 用[id, name]作为唯一键，自动去重
       (reduce (fn [acc elem]
                 (assoc acc [(elem :id) (elem :name)] elem))
               {})
       vals  ;; 提取去重后的元素
       set)) ;; 转成集合

(union-by-id-name set-a set-b)
;; 输出：#{{:id 3, :name "XYZ", :zip 78704} {:id 1, :name "ABC", :zip 78759} {:id 2, :name "DEF", :zip 78759}}

如果想保留第一个出现的重复元素（而不是最后一个覆盖），可以把assoc改成条件判断：

(reduce (fn [acc elem]
          (let [key [(elem :id) (elem :name)]]
            (if (contains? acc key) acc (assoc acc key elem))))
        {}
        (concat s1 s2))

方法2：自定义相等性的记录类型（适合多次集合操作） #

如果你需要反复基于:id和:name做集合操作（比如交集、差集），可以定义一个自定义记录类型，重写它的equals和hashCode方法，让集合默认的相等性判断只看这两个字段：

(defrecord Entity [id name zip]
  Object
  ;; 只比较id和name
  (equals [this other]
    (and (instance? Entity other)
         (= (:id this) (:id other))
         (= (:name this) (:name other))))
  ;; 只基于id和name生成哈希值
  (hashCode [this]
    (hash [(:id this) (:name this)])))

;; 把原集合的元素转换成自定义记录
(def set-a-entities (set (map ->Entity set-a)))
(def set-b-entities (set (map ->Entity set-b)))

;; 现在可以直接用默认的union了
(clojure.set/union set-a-entities set-b-entities)

;; 如果需要转回原来的Map格式：
(set (map #(into {} %) *1))
;; 输出和方法1一致

这种方法的好处是一旦定义好记录类型，所有标准集合操作（union/intersection/difference）都能直接用，不用再写自定义函数。缺点是需要额外的类型转换步骤。

方法3：过滤法（适合小集合） #

如果你的集合规模很小，也可以用过滤的方式：先提取第一个集合的id+name键，然后过滤掉第二个集合中重复的元素，再合并：

(defn union-by-id-name [s1 s2]
  (let [existing-keys (set (map #(select-keys % [:id :name]) s1))
        ;; 找出s2中不在s1里的新元素
        s2-new (filter #(not (contains? existing-keys (select-keys % [:id :name]))) s2)]
    (set (concat s1 s2-new))))

这种方法逻辑直观，但性能不如方法1——因为每次过滤都要做线性查找，集合大的时候效率会下降。

内容的提问来源于stack exchange，提问作者sakh1979