当前位置:首页 > 文章列表 > 文章 > python教程 > 递归合并两个嵌套字典的技巧

递归合并两个嵌套字典的技巧

2026-03-05 11:22:46 0浏览 收藏
本文深入探讨了如何优雅地实现嵌套字典的深度合并——不依赖简单粗暴的覆盖或拼接,而是根据键值对的类型组合(如 dict+dict、list+list、dict+str 等)智能分发合并逻辑,并支持覆盖、保留、拼接、求均值等多种可配置冲突策略;文章提供了轻量可扩展的 `merge_dict` 自定义实现,涵盖深拷贝防护、路径日志追踪、字段级差异化策略、None 值鲁棒处理等实用增强技巧,同时对比了 pydantic、deepmerge 和 OmegaConf 等成熟方案,为 Python 开发者在配置管理、API 响应聚合、微服务参数合并等真实场景中提供了兼具灵活性、可调试性与工程健壮性的落地方案。

如何优雅深度合并两个结构不同的嵌套 dict(智能递归合并)

优雅深度合并两个结构不同的嵌套字典,关键不在于“覆盖”或“拼接”,而在于按语义智能决策:同类型值递归合并,异类型值按策略协商(如保留、取新、求平均、合并列表等)。Python 标准库不直接支持,但可通过自定义递归函数实现高可控性。

核心逻辑:类型感知的递归分发

合并行为应由当前键对应值的类型组合决定,而非统一规则:

  • dict + dict → 递归合并子字典(默认行为)
  • list + list → 可选择去重追加、按索引合并、或全量拼接(需明确策略)
  • str/int/float + 同类型 → 通常用右侧值覆盖(或可配置为保留左侧)
  • dict + list / str / None 等 → 类型冲突,触发协商策略(如跳过、转为容器、抛异常)
  • None + 非None → 通常以非None为准;None + None → 仍为None

推荐实现:带策略钩子的 merge_dict 函数

以下是一个轻量、可扩展的实现,支持自定义冲突处理:

def merge_dict(base, override, strategy=#"override"):

  if not isinstance(base, dict) or not isinstance(override, dict):

    if strategy == "override": # 默认:右值优先

      return override

    elif strategy == "keep": # 左值优先

      return base

    elif strategy == "concat" and isinstance(base, list) and isinstance(override, list):

      return base + override

    else:

      raise TypeError(f"Cannot merge {type(base).__name__} and {type(override).__name__} with strategy '{strategy}'")

  result = base.copy()

  for k, v_in_override in override.items():

    v_in_base = result.get(k)

    if k in result and isinstance(v_in_base, dict) and isinstance(v_in_override, dict):

      result[k] = merge_dict(v_in_base, v_in_override, strategy)

    else:

      result[k] = merge_dict(v_in_base, v_in_override, strategy) # 递归处理所有值

  return result

实用增强技巧

深拷贝保护原始数据:调用前对 base 使用 copy.deepcopy(),避免意外修改。

路径感知冲突日志:在递归中传入当前 key path(如 ["config", "db", "timeout"]),便于调试冲突位置。

字段级合并策略:用字典指定特定键的策略,例如:{"logging.level": "keep", "features.enabled": "concat"},在递归时查表应用。

兼容 None 和缺失键:将 base.get(k) 替换为 base.get(k, {} if isinstance(override.get(k), dict) else None),使空缺自动适配结构。

替代方案与生态参考

若项目已用 pydantic,可用 BaseModel.model_validate + model_dump 实现 schema-aware 合并;

deepmerge 库(pip install deepmerge)提供开箱即用的多种策略(always, prefer, union);

对于配置场景,omegaconf 的 OmegaConf.merge() 天然支持结构差异、插值与类型安全,适合 ML 工程。

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《递归合并两个嵌套字典的技巧》文章吧,也可关注golang学习网公众号了解相关技术文章。

PHP截取前几位字符方法详解PHP截取前几位字符方法详解
上一篇
PHP截取前几位字符方法详解
Python3字符串格式化方法详解
下一篇
Python3字符串格式化方法详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    350次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    412次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    417次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    373次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    197次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码