Python实现列表字典字段匹配替换及Ghibli API 1分钟缓存配置
现有代码问题定位
get_people_in_movies构造完人员与影视的映射字典后,从未将字典追加到返回列表,最终返回值永远为空,匹配逻辑无有效数据输入- 匹配逻辑存在两处错误:
- 每匹配到一个关联人员就将当前影视字典追加到结果列表,会导致同一部影视因关联多个人被重复计入结果
- 每次匹配直接将影视的
people字段覆盖为单个人员的姓名,未实现收集所有匹配人员姓名组成列表的要求
- 依赖缺失:代码调用
copy.deepcopy但未导入copy模块,运行会直接报错
匹配逻辑实现
核心思路是先构建反向索引,减少遍历次数,保证每部影视仅生成一次结果,人员关联关系准确:
- 初始化空字典,键为影视标题,值为对应关联的人员姓名列表
- 遍历所有人员数据,对每个人员参演的每部影视,将该人员姓名追加到反向索引的对应列表中
- 遍历原始影视列表,将影视字典的
people字段替换为反向索引中对应标题的人员姓名列表,最终得到处理后的list_dict3
带1分钟时效缓存的完整实现
缓存逻辑通过全局变量存储接口返回数据与最后更新时间戳,校验时间差不超过60秒时直接复用缓存,不重复发起高耗时网络请求。同时优化了原逻辑中逐接口请求获取影视标题的冗余操作,进一步降低网络开销:
import time import copy import requests from flask import jsonify # 全局缓存配置 _cache = { "films": {"data": None, "last_update": 0}, "people": {"data": None, "last_update": 0} } CACHE_EXPIRE_SECONDS = 60 def make_get_request(url, cache_key): current_time = time.time() # 校验缓存是否有效 if _cache[cache_key]["data"] is not None and current_time - _cache[cache_key]["last_update"] < CACHE_EXPIRE_SECONDS: return _cache[cache_key]["data"] # 缓存失效,重新发起接口请求 response = requests.get(url) res_data = response.json() # 更新缓存内容与时间戳 _cache[cache_key]["data"] = res_data _cache[cache_key]["last_update"] = current_time return res_data def get_people_in_movies(): people_movies = make_get_request("https://ghibliapi.herokuapp.com/people", cache_key="people") people_and_movies_list = [] for pe in people_movies: movie_titles = [] # 复用已缓存的films数据匹配影视标题,避免单独发请求 for film_url in pe['films']: film_data = _cache["films"]["data"] if film_data: matched_film = next((f for f in film_data if f["url"] == film_url), None) if matched_film: movie_titles.append(matched_film["title"]) people_movies_dict = {'name': pe['name'], 'movies': movie_titles} # 补全原逻辑缺失的列表追加操作 people_and_movies_list.append(people_movies_dict) return people_and_movies_list def get_movies(): # 先加载films接口数据,初始化films缓存 data = make_get_request("https://ghibliapi.herokuapp.com/films", cache_key="films") pe = get_people_in_movies() # 构建影视标题与关联人员的反向映射 title_to_people = {} for person in pe: for movie_title in person["movies"]: if movie_title not in title_to_people: title_to_people[movie_title] = [] title_to_people[movie_title].append(person["name"]) # 生成最终结果列表list_dict3 list_dict3 = [] for movie in data: processed_movie = copy.deepcopy(movie) # 替换people字段为匹配的人员姓名列表,无匹配则返回空列表 processed_movie["people"] = title_to_people.get(movie["title"], []) list_dict3.append(processed_movie) return jsonify(list_dict3)
缓存说明:全局缓存会覆盖
films与people两类接口数据,距上次更新时间不足60秒时直接返回缓存内容,不会触发新的网络请求。
内容的提问来源于stack exchange,提问作者PILA
相关产品推荐
相关产品推荐

