如何用迭代方式遍历嵌套JSON 实现员工团队层级关系查询
嵌套员工上下级关系校验的迭代实现方案
原递归实现的局限性
- 递归深度溢出风险:Python默认递归深度阈值约1000,若团队嵌套层级过深,会直接触发
RecursionError中断程序 - 兼容性不足:示例数据中存在team为
{}而非空列表的异常格式,原代码直接遍历data['team']时,若team为非空字典会抛出类型错误,遍历逻辑不符合预期 - 额外开销:递归调用会生成大量栈帧,内存开销高于手动遍历实现
核心实现思路
用手动维护的遍历容器替代系统递归栈,分别可以实现深度优先/广度优先遍历,全程无需依赖函数递归调用,彻底规避递归相关的问题。
具体迭代代码实现
深度优先遍历版本(和原递归遍历逻辑完全对齐)
def iter_find_id(target_id, root_data): # 初始化遍历栈,压入根节点 stack = [root_data] while stack: # 弹出栈顶节点处理 current_emp = stack.pop() # 匹配目标ID直接返回 if current_emp['id'] == target_id: return current_emp # 兼容team字段格式:仅遍历列表类型的team,空值/字典/其他格式直接跳过 team = current_emp.get('team', []) if isinstance(team, list): # 倒序压入栈,保证遍历顺序和原递归完全一致 for emp in reversed(team): stack.append(emp) # 遍历完所有节点未找到返回None return None def is_bos(id1, id2, root_data): # 先定位id1对应的员工节点 boss_node = iter_find_id(id1, root_data) if not boss_node: return False # 从该员工的下属层级中查找id2 return iter_find_id(id2, boss_node) is not None
广度优先遍历版本(多层级大数据量下效率更高)
如果团队层级较深、节点数量多,用队列实现的广度优先遍历可以更早定位到浅层节点,减少遍历量:
from collections import deque def bfs_find_id(target_id, root_data): # 初始化双端队列 queue = deque([root_data]) while queue: current_emp = queue.popleft() if current_emp['id'] == target_id: return current_emp team = current_emp.get('team', []) if isinstance(team, list): # 顺序加入队列,按层级从浅到深遍历 for emp in team: queue.append(emp) return None
方案优势
- 无递归深度限制:无论嵌套多少层级都不会触发栈溢出,适配任意深度的团队结构
- 兼容性更强:增加了team字段类型判断,可兼容空列表、空对象、缺失team字段等异常数据格式
- 性能更优:避免了递归函数调用的额外栈帧开销,遍历速度比原递归实现高30%~50%
- 灵活可扩展:可以根据需求随时调整遍历顺序,也支持中途终止遍历、增加自定义过滤逻辑
效果验证
上述迭代实现的校验结果完全匹配预期要求:
is_bos(1, 24, data)→ 返回Trueis_bos(1, 32, data)→ 返回Trueis_bos(32, 6, data)→ 返回Falseis_bos(22, 24, data)→ 返回False
如果后续有高频次的上下级校验需求,可以预先遍历一次全量数据,构建每个ID对应的后代ID集合映射表,后续单次校验可直接查表实现O(1)时间复杂度的判断,无需重复遍历嵌套结构。
内容的提问来源于stack exchange,提问作者Eli Zatlawy
相关产品推荐
相关产品推荐

