Python 使用哪种算法以树状结构填充数据

我的数据库中有这个表，我想在wabpage上填充数据

parent_topic    child_topic
      4             5
      4             6
      4             7
      5             8
      5             9
      5             11
      5             11
      5             13
      12            14
      13            15
      8             16
      8             17
      8             18
      16            19
      9             20
      20            21
      9             22
      9             23
      6             24
      25            25
      24            26
      6             27
      24            25
      25            21

我正在研究python。我应该使用什么算法来填充此表。 格式如下所示

• 主话题1（没有任何家长的话题）
  • 子话题
    • 子话题
      • 子话题
  • 子话题
• 主要议题2
  • 子话题

等等。。。 （子主题根据表）。
我试图使用嵌套字典，但无法创建这样的字典

---

提前谢谢

很抱歉我的伪Python:）

假设您使用返回主题行的方法get_lines（）列出了对象的主题：

def PrintTopic(topic, margin):
    for line in topics[topic].get_lines():
        print "   " * margin + line


def PrintRecursiveTopic(db, currentTopic, depth):
    PrintTopic(currentTopic, depth)
    for topic in db.topics.where(lambda x: x.parent_topic == currentTopic):
        PrintRecursiveTopic(db, topic.child_topic, depth + 1)

---

深度是PrintTopic用边距打印的

我强烈建议您阅读此博客

该博客详细介绍了工业上使用的两种主要方法，即邻接列表模型和改进的前序树遍历算法

邻接列表模型方法就是数据库使用的方法。通过从顶部节点递归来迭代树。在许多情况下，人们不希望或无法将所有数据加载到内存中，因此每个节点上的迭代都会筛选出一个新的SQL查询。这是邻接列表方法的最大缺点

是一个基于Django框架的邻接列表实现高效树实现的库。虽然您可能不使用django，但您仍然可以从django中学到很多东西

当对树的读取数大于对树的更改数时（对于网站通常如此），改进的预排序树遍历算法更有效，因此它比 邻接列表方法

---

django的改进的前序树遍历算法也有一个很好的实现：

递归方法

list_pc = [
    (4,5),
    (4,6),
    (4,7),
    (5,8),
    (5,9),
    (5,11),
    (5,11),
    (5,13),
    (12,14),
    (13,15),
    (8,16),
    (8,17),
    (8,18),
    (16,19),
    (9,20),
    (20,21),
    (9,22),
    (9,23),
    (6,24),
    (24,25),
    (24,26),
    (6,27),
    (24,25),
    (25,21),
]

dict_pc = {}
parents = set()
children = set()
for p, c in list_pc:
    parents.add(p)
    children.add(c)
    dict_pc.setdefault(p, []).append(c)

roots = sorted(list(parents - children))
def print_tree(level, p):
    global dict_pc
    print '.'*level, p
    for c in dict_pc.get(p, []):
        print_tree(level + 1, c)

for r in roots:
    print_tree(0, r)

输出：

 4
. 5
.. 8
... 16
.... 19
... 17
... 18
.. 9
... 20
.... 21
... 22
... 23
.. 11
.. 11
.. 13
... 15
. 6
.. 24
... 25
.... 21
... 26
... 25
.... 21
.. 27
. 7
 12
. 14

---

这只是一个建议，取决于您的数据库，您可以直接使用sql命令来执行此操作。我将使用递归算法…“25”是其本身的父项？？？不，唐！这显然是个错误。。。sry！！如何找到顶级主题？我想我们都知道。在另一种情况下，我们可以从任何一个主题重复调用其父主题，直到父主题不等于子主题。我不认为博客引入了这些方法，因为它们在博客开始之前就已经存在了。@Juliusz抱歉，我误解了这个词。英语不是我的母语。