Python跨多嵌套字典匹配用户输入技能键 按规则递增对应条目值

现有已完成代码 #

你目前已经定义了7项属性对应的初始技能字典，组装成嵌套结构的skilldict，同时完成了用户主修技能输入的初步采集流程，已写基础代码如下：

Strength = {"Acrobatics":5, "Crafting":5, "Axe":5, "Blunt Weapon":5, "Long Blade":5}
Intelligence = {"Alchemy":5, "Conjuration":5, "Enchant":5, "Thievery":5}
Willpower = {"Alteration":5, "Destruction":5, "Mysticism":5, "Restoration":5}
Agility = {"Block":5, "Light Armor":5, "Marksman":5, "Sneak":5}
Speed = {"Athletics":5, "Hand to Hand":5, "Short Blade":5, "Unarmored":5}
Endurance = {"Heavy Armor":5, "Medium Armor":5, "Spear":5}
Personality = {"Illusion":5, "Mercantile":5, "Speechcraft":5}
# Skill dictionaries, will be printed to a seperate file after all things are done

skilldict = {"Strength":Strength, "Intelligence":Intelligence, "Willpower":Willpower, "Agility":Agility, "Speed":Speed, "Endurance":Endurance, "Personality":Personality}

偏好属性加值逻辑优化（次要诉求） #

你目前为两个偏好属性分别写了两段重复的双层循环，给对应属性下的所有技能加5，这部分可以简化为单循环遍历偏好属性列表，完全消除重复代码：

# 替代原有两段重复循环的优化版本
for fav_attr in usfavstat:
    # 直接校验偏好属性是否在技能映射字典中
    if fav_attr in skilldict:
        # 遍历该属性下的所有技能，统一加5
        for skill in skilldict[fav_attr]:
            skilldict[fav_attr][skill] += 5

主修技能匹配加值核心逻辑实现 #

先修正输入清洗的匹配隐患 #

当前的输入清洗逻辑存在一个容易导致匹配失败的细节：直接对整段输入执行replace(" ", "")，会把Short Blade这类本身带合法空格的技能名改成无空格的错误格式，和原字典中存储的键完全对不上。正确的清洗逻辑只需要去掉每个技能名前后用户误输的冗余空格，保留技能名本身的合法空格即可：

# 替换原有输入清洗逻辑，避免破坏合法技能名格式
raw_input = input("Enter major skills, seperated by a comma : ")
# 按逗号拆分后，对每个条目做首尾去空格、首字母大写格式化
majorskills = [skill.strip().title() for skill in raw_input.split(",")]

跨嵌套字典匹配加值 #

清洗完成后，直接双层遍历skilldict的嵌套结构，匹配用户输入的主修技能名，匹配成功则给对应技能值加25：

# 遍历所有属性对应的技能子字典
for attr_name, skill_map in skilldict.items():
    # 遍历当前属性下的每个技能
    for skill_name, base_val in skill_map.items():
        # 如果技能在用户输入的主修列表中
        if skill_name in majorskills:
            skill_map[skill_name] = base_val + 25

按照测试场景，当用户输入Acrobatics, Short Blade, Block, Speechcraft, Alteration时，上述逻辑会自动定位这些技能所属的属性字典，将对应技能值从初始的5提升到30，完全符合预期效果。

可选扩展优化：如果后续技能字典规模持续扩大，可以提前构建一个"技能名-所属字典引用"的扁平映射表，跳过双层嵌套遍历的步骤，进一步提升匹配效率。

内容的提问来源于stack exchange，提问作者notguud