递归合并两个嵌套字典的技巧
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。

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
- 上一篇
- PHP截取前几位字符方法详解
- 下一篇
- Python3字符串格式化方法详解
-
- 文章 · python教程 | 1小时前 |
- Python zip strict=True 在第几次迭代发现长度不一致
- 437浏览 收藏
-
- 文章 · python教程 | 6小时前 | python · Python 类型提示 typing get_protocol_members Protocol
- Python get_protocol_members 怎么读取 Protocol 成员集合
- 487浏览 收藏
-
- 文章 · python教程 | 17小时前 | 文件处理 · python · Python TempFile 临时文件 SpooledTemporaryFile rollover
- Python SpooledTemporaryFile 怎么手动触发写入磁盘
- 307浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python Path.info 缓存的文件类型信息什么时候会过期
- 438浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python asyncio.Queue shutdown 后等待者会收到什么
- 124浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python asyncio.Barrier 等待任务被取消后会怎样
- 166浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python TaskGroup 怎么主动终止整组任务
- 242浏览 收藏
-
- 文章 · python教程 | 1天前 | SQLite · 数据一致性 · Python教程 · Python SQLite 数据库备份 sqlite3.Connection.backup
- Python sqlite3.Connection.backup 怎么在线复制数据库
- 264浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python zip zipfile zipfile.Path
- Python zipfile.Path 怎么像目录一样遍历压缩包
- 370浏览 收藏
-
- 文章 · python教程 | 1天前 | 内存优化 · Python教程 · Python 大数组 PickleBuffer pickle协议5
- Python PickleBuffer 怎么减少大数组复制
- 207浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python Traversable importlib.resources zipimport
- Python importlib.resources.files 怎么访问压缩包内资源
- 143浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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
- 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
- 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
-
- 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
- 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
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

