You need to enable JavaScript to run this app. Python实现列表字典字段匹配替换及Ghibli API 1分钟缓存配置
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.21 06:45:07