使用Java Set進行重復數據刪除

Question

我有一個對象的集合，我們稱它們為A，B，C，D ......，有些與其他對象相同。 如果A和C相等，那么我想用A的引用替換對C的每個引用。這意味着（a）對象C可以被垃圾收集，釋放內存，（b）我以后可以使用“==”比較對象代替昂貴的equals()操作。 （這些對象很大，而equals()操作很慢。）

我的直覺是使用java.util.Set 。 當我遇到CI時，可以很容易地看到Set的條目是否等於C.但是如果有，則似乎沒有簡單的方法來找出該條目是什么，並替換我對現有條目的引用。 我錯了嗎？ 迭代所有條目以找到匹配的條目顯然是非首發。

目前，我使用Map而不是Set ，其中值始終與鍵相同。 調用map.get(C)然后找到A.這有效，但感覺非常令人費解。 有更優雅的方式嗎？

Answer 1

這個問題不是簡單的重復數據刪除：它是規范化的一種形式。

標准方法是使用Map而不是Set 。 這是一個如何做到的草圖：

public <T> List<T> canonicalizeList(List<T> input) {
    HashMap<T, T> map = new HashMap<>();
    List<T> output = new ArrayList<>();
    for (T element: input) {
        T canonical = map.get(element);
        if (canonical == null) {
            element = canonical;
            map.put(canonical, canonical);
        }
        output.add(canonical);
    }
    return output;
}

注意，這是O(N) 。 如果您可以安全地假設input中重復項的百分比可能很小，那么您可以將map和output的容量設置為input的大小。

---

現在你似乎在說你已經這樣做了（最后一段），你問的是否有更好的方法。 據我所知，沒有一個。 （ HashSet API允許你測試一個集合是否包含一個等於element的值，但它不會讓你知道它在O(1)是什么。）

值得一提的是， HashSet<T>類實現為HashMap<T, T> 。 所以你不會直接使用HashSet節省時間或空間......