Java/Kotlin：按类ID求含数据类的多个HashSet交集问题

我来帮你解决这个按id求Protein集合交集的问题——你遇到的核心问题应该是HashSet默认的相等性判断逻辑不符合你的需求，咱们一步步来解决：

你定义的Protein类默认使用对象引用来判断相等性，而不是按id字段。HashSet的retainAll()（求交集）等操作完全依赖equals()和hashCode()方法，所以即使两个Protein实例的id相同，只要是不同对象，HashSet就会把它们当成不同元素，导致交集计算失败。

我们需要重写equals()和hashCode()方法，让它们只基于id字段来判断相等性。这样HashSet就能正确识别出“同一个id的Protein是同一个元素”：

class Protein(val id: String, val score: Double, val molw: Double, val spc: Int) {
    override fun equals(other: Any?): Boolean {
        if (this === other) return true // 引用相同直接返回true
        if (other == null || javaClass != other.javaClass) return false // 类型不同返回false
        other as Protein
        return id == other.id // 仅比较id字段
    }

    override fun hashCode(): Int {
        return id.hashCode() // 哈希值仅基于id
    }
}

现在有两种高效的方式来计算6个HashSet的交集，你可以根据需求选择：

方式一：逐步缩小交集（简单直接） #

以第一个集合为基准，依次和后续每个集合求交集，逐步筛选出所有集合共有的Protein：

fun findCommonProteins(proteinSets: ArrayList<HashSet<Protein>>): Set<Protein> {
    if (proteinSets.isEmpty()) return emptySet()
    
    // 初始化交集为第一个集合的副本（避免修改原集合）
    val commonProteins = HashSet(proteinSets[0])
    
    // 遍历剩余集合，不断求交集
    for (set in proteinSets.subList(1, proteinSets.size)) {
        commonProteins.retainAll(set)
        // 如果中途交集为空，提前终止循环提升效率
        if (commonProteins.isEmpty()) break
    }
    
    return commonProteins
}

方式二：先统计id出现次数（适合处理属性不一致的情况） #

如果不同集合中同一个id对应的Protein其他属性（比如score、molw）可能不同，你可以先找出所有在6个集合中都出现的id，再根据id获取对应的Protein实例：

// 第一步：找出所有在所有集合中都出现的id
fun findCommonProteinIds(proteinSets: ArrayList<HashSet<Protein>>): Set<String> {
    val idOccurrenceCount = mutableMapOf<String, Int>()
    val totalSetCount = proteinSets.size

    for (set in proteinSets) {
        // 遍历每个集合中的Protein，统计id出现的集合次数
        set.forEach { protein ->
            idOccurrenceCount[protein.id] = idOccurrenceCount.getOrDefault(protein.id, 0) + 1
        }
    }

    // 筛选出在所有集合中都出现的id
    return idOccurrenceCount.filter { it.value == totalSetCount }.keys
}

// 第二步：根据id从第一个集合中获取对应的Protein实例（也可以从其他集合取，按需调整）
fun getCommonProteinsByIds(proteinSets: ArrayList<HashSet<Protein>>): Set<Protein> {
    val commonIds = findCommonProteinIds(proteinSets)
    return proteinSets[0].filter { it.id in commonIds }.toHashSet()
}

• 如果你的Protein是Kotlin的data class，默认会比较所有属性，所以即使是data class也需要手动重写equals()和hashCode()来只关注id。
• 性能方面：两种方式都能高效处理数千元素的集合，方式二在交集较小时可能更快，因为不需要频繁修改集合；方式一更直观，适合属性完全一致的场景。

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