非结构化姓名数据转嵌套字典：优化迭代状态记忆的方法

优化方案：线性迭代+状态预判的简洁实现 #

我们可以用迭代器主动遍历+直接预判后续元素的思路，替代依赖previous变量的回溯式判断，让逻辑更线性、更易读，同时减少冗余分支。

优化后的完整代码

import re
from collections import defaultdict

def fix_demographic(info):
    # 整合年龄转换逻辑到这里，让主函数更简洁
    race, gender, age = re.split(r'\s*/\s*', re.sub(r'\?+', 'NaN', info))
    return race, gender, int(age) if age.isnumeric() else age

def parse_victim_info(info: list):
    res = defaultdict(dict)
    info_iter = iter(info)
    
    while True:
        try:
            current_item = next(info_iter)
            # 判断当前元素是否为姓名：既不是OFFICER，也不是人口统计格式
            if not re.fullmatch(r'(\w+|\?+)\s*\/\s*(\w+|\?+)\s*\/\s*(\w+|\?+)', current_item) and current_item.lower() != 'officer':
                current_name = current_item
                # 主动获取下一个元素，判断是否是OFFICER标记
                next_item = next(info_iter)
                
                if next_item.lower() == 'officer':
                    is_officer = True
                    # 再取下一个元素，就是人口统计信息
                    demo_info = next(info_iter)
                else:
                    is_officer = False
                    demo_info = next_item
                
                # 处理人口统计信息并填充结果字典
                race, gender, age = fix_demographic(demo_info)
                res[current_name] = {
                    'race': race,
                    'gender': gender,
                    'age': age,
                    'officer': is_officer
                }
        except StopIteration:
            # 迭代器耗尽，退出循环
            break
    
    # 转换为普通字典返回（可选，根据需求）
    return dict(res)

思路说明

1. 迭代器主动遍历：把列表转为迭代器后，我们可以主动调用next()获取后续元素，避免用previous变量记录状态，逻辑更直接。
2. 一次性分组判断：拿到姓名后，直接检查下一个元素是OFFICER还是人口统计信息，一次性完成二元组/三元组的识别，避免分散的条件判断。
3. 逻辑聚合：把两种格式的处理逻辑合并，减少重复代码，同时把年龄转换逻辑整合到fix_demographic中，让主函数更简洁。

测试验证

运行以下代码：

info = [ 'Joe Schmoe', 'W / M / 64', 'Richard Johnson', 'OFFICER', 'W / M /48', 'Adrian Stevens', '? / ? / 27' ]
result = parse_victim_info(info)
print(result)

输出与预期完全一致：

{
 'Joe Schmoe': {'race': 'W', 'gender': 'M', 'age': 64, 'officer': False},
 'Richard Johnson': {'race': 'W', 'gender': 'M', 'age': 48, 'officer': True},
 'Adrian Stevens': {'race': 'NaN', 'gender': 'NaN', 'age': 27, 'officer': False}
}

内容的提问来源于stack exchange，提问作者Brad Solomon