Python数据结构建议

我正在建立一个小型搜索引擎来搜索PDF的集合。我从每个pdf中提取一组令牌并将其存储在数据库中。我不希望在数据库中存储重复的令牌，而是希望在数据库中存储每个令牌的计数。python是否有任何特殊的数据结构，不存储重复项，而是存储每个令牌的计数？

python>=2.7具有相同的属性。

我建议使用一个简单的字典来存储计数，如

storage = {} # initialize
# ...
if !storage.has_key(token):
  storage[token] = 1
else:
  storage[token] += 1

编辑

---

也就是说，如果您使用的是Python 3，我会按照Space_C0wb0y的建议使用

计数器

类…

collections包中的计数器作为键值存储：

>>> s = 'mississippi'
>>> d = defaultdict(int)
>>> for k in s:
...     d[k] += 1
...
>>> d.items()
[('i', 4), ('p', 2), ('s', 4), ('m', 1)]

---

请注意：这不是一个数据库，它是一个纯内存存储。您必须以某种方式保存此数据

您可以始终为每个文件实现一个对象，为其提供许多方法，如打开和显示等。然后您可以为对象定义

\uuuuuuu散列\uuuuuu

和

\uuuuuuuu eq\uuuu

，这将允许您将项目存储在一个集合中，从而使重复项只更新集合中的一个实例

---

这只是做某事的另一种方式，决不是最好的方法。

如果不是存储。哈希键（令牌）我会使用

集合。defaultdict

并完全删除

if

语句。@nikhil:你为什么接受这个解决方案？效率很低。我认为这样做的唯一原因是如果您有一个非常旧的Python版本。如果令牌不在存储中，您应该使用

测试密钥。