当值包含复合数据时，在Clojure中按值筛选hashmap

我在努力自学Clojure

对于一个与工作相关的项目（很明显，我不是一个专业的程序员），我尝试将一系列电子表格结合起来。电子表格中有与金融交易相关的注释。多个注释（包括电子表格中的注释）可以引用同一交易；每个事务都有一个唯一的序列号。因此，我使用以下数据结构来表示电子表格：

(def ss { :123 '([ "comment 1" "comment 2" ]
                 [ "comment 3" "comment 4" ]
                 [ "comment 5" ]),
          :456 '([ "happy days" "are here" ]
                 [ "again" ])})

这可以通过以下两个电子表格创建：

+------------+------------+-----------+
| Trans. No. |   Cmt. A   |  Cmt. B   |
+------------+------------+-----------+
|        123 | comment 1  | comment 2 |
|        456 | happy days | are here  |
|        123 | comment 3  | comment 4 |
+------------+------------+-----------+

+-----------------+------------+
| Analyst Comment | Trans. No. |
+-----------------+------------+
| comment 5       |        123 |
| again           |        456 |
+-----------------+------------+

我已经成功地编写了函数来创建这个数据结构，给出了一个充满CSV的目录。我想再写两个函数：

;; FUNCTION 1 ==========================================================
;; Regex Spreadsheet -> Spreadsheet     ; "Spreadsheet" is like ss above 
;; Produces a Spreadsheet with ALL comments per transaction if ANY
;;     value matches the regex

; (defn filter-all [regex my-ss]     {}) ; stub

(defn filter-all [regex my-ss]           ; template
  (... my-ss))

(deftest filter-all-tests
  (is (= (filter-all #"1" ss) 
         { :123 '([ "comment 1" "comment 2" ]
                  [ "comment 3" "comment 4" ]
                  [ "comment 5" ]) })))

;; FUNCTION 2 ==========================================================
;; Regex Spreadsheet -> Spreadsheet     ; "Spreadsheet" is like ss above 
;; Produces a Spreadsheet with each transaction number that has at least
;;     one comment that matches the regex, but ONLY those comments that 
;;     match the regex

; (defn filter-matches [regex my-ss] {}) ; stub

(defn filter-matches [regex my-ss]       ; template
  (... my-ss))

(deftest filter-matches-tests
  (is (= (filter-matches #"1" ss) 
         { :123 '([ "comment 1" ]) })))

我不明白的是，对于每个

键

，如果它们是嵌套在列表中的向量中的字符串，那么最好的方法是将正则表达式足够深入地放入

VAL

。我曾尝试将

filter

与嵌套的

apply

s或

map

s一起使用，但我对语法感到困惑，即使它起作用，我也不知道如何使用

键来构建新的hashmap

我也尝试过在
filter
函数中使用解构，但我也感到困惑，我还认为我必须跨嵌套数据“提升”函数（我认为这是Haskell中的术语，如应用程序和monad）

有人能建议过滤此数据结构的最佳方法吗？作为另一件事，我很乐意就这是否是一个适合我的合理数据结构获得反馈，但我希望了解如何解决目前存在的问题，如果只是为了学习的目的

非常感谢。
这里有一个与您的数据结构相关的解决方案。
filter
采用谓词函数。在这个函数中，您实际上可以在数据结构中测试您需要的任何东西。在这里，
flatten
有助于删除注释向量列表

(defn filter-all [regex my-ss]
  (into {} (filter (fn [[k v]] ; map entry can be destructured into a vector
                     ; flatten the vectors into one sequence
                     ; some return true if there is a match on the comments 
                     (some #(re-matches regex %) (flatten v)))
                   my-ss)))

user> (filter-all #".*3.*" ss)
{:123 (["comment 1" "comment 2"] ["comment 3" "comment 4"] ["comment 5"])}

对于
过滤器匹配
来说，逻辑是不同的：您希望使用值的某些部分构建一个新映射<代码>减少

有助于做到这一点：

(defn filter-matches [regex my-ss]
  (reduce (fn [m [k v]]   ; m is the result map (accumulator)
            (let [matches (filter #(re-matches regex %) (flatten v))]
              (when (seq matches)
                (assoc m k (vec matches)))))
          {}
          my-ss))

user> (filter-matches #".*days.*" ss)
{:456 ["happy days"]}

---

对于数据结构本身，如果没有必要将嵌套向量保留在每个条目的列表中，您可以使用

{:123[“comment1”“comments 2”]…}

进行简化，但这不会大大简化上述函数。

我认为您的方法是正确的，但可能会使生活变得比需要的困难一些

最大的问题是正则表达式的使用。虽然regexp在某些方面是一个很好的工具，但在其他解决方案更好、速度更快的时候，经常使用它

clojure采用的一个关键思想是使用小型库，将它们组装在一起以获得更高级别的抽象。例如，有各种库用于处理不同的电子表格格式，如excel、google docs电子表格，并且支持处理CSV文件。因此，我的第一步是看看您是否能找到一个库，将您的spreadhseet解析为标准的clojure数据结构

例如，clojure的data.csv将csv电子表格处理成一个向量的惰性序列，其中每个向量是电子表格中的一行，向量中的每个元素是该行中的一列值。一旦你有了这种格式的数据，然后用map、filter等处理它就相当简单了

下一步是考虑将使处理尽可能简单的抽象类型。这在很大程度上取决于您计划做什么，但我对这类数据的建议是使用一个嵌套结构，该结构由哈希映射组成，在外层由您的事务号索引，然后每个值都是一个哈希映射，该哈希映射在电子表格中的每一列都有一个条目

{:123 {:cmnta ["comment 1" "comment 3"]
      :cmntb ["comment 2" "comment 4"]
      :analstcmt ["comment 5"]}
 :456 {:cmnta ["happy days"]
      :cmntb ["are here"]
      :analystcmt ["again"]}}

有了这个结构，您就可以使用诸如get in和update in之类的函数来访问/更改结构中的值，即

(get-in m [123 :cmnta]) => ["comment 1" "comment 3"]
(get-in m [123 :cmnta 0]) => "comment 1"
(get-in m [456 :cmnta 1]) => nil
(get-in m [456 :cmnta 1] "nothing to see here - move on") => "nothing to see here - move on"

---

我假设不同的评论向量来自不同的CSV文件？是否要求将它们分开？如果不存储它们来自何处的信息，这似乎是一个不必要的复杂问题。它们是同一行上的不同细胞。我可能可以去掉它们，但我也希望有一个选项，可以用匹配的单元格显示整行，或者只显示匹配的单元格。谢谢，这是一个有用的补充。我使用data.csv获得了我上面描述的数据结构，但可能我对它的切割程度超出了需要，并且削弱了使用抽象的能力。也就是说，就我而言，正则表达式可能是有用的（我是一名律师，我们正在使用各种搜索词来查看交易的评论是否值得一个人查看）。正则表达式可能有用，但要小心。锚定正则表达式以确保性能不会受到很大影响，这一点非常重要。尽管您可能不想走得更远，但通过查看clojure中正在进行的一些自然语言处理（NLP）工作，您可能会做得更好。