第15章 散列类

来源、版次与运行边界

“第15章 散列类”以作者维护的第 5 版支持页核定 2016 年 3 月 12 日首刷、两位作者、松本行弘监修以及四部分 23 章目录；逐章程序清单、练习答案和勘误只作为公开支持材料，不被冒充为原书全文。

对“第15章 散列类”而言，中文解释、示例、交互、练习和答案均为独立教学重写；站内中文章名是与官方 23 章顺序对应的课程映射，不宣称是日文小节的逐字翻译，也不从公开程序清单复制整段实现。

“第15章 散列类”固定在 Ruby 2.3 语境；Ruby 2.3.0 官方文档与稳定版发布说明用于核对当时可用的语言和标准库行为。现代 Ruby 的差异只能另列迁移说明，不能静默改变本页示例的版本结论。

围绕“怎样证明散列的键相等、默认值、更新与合并没有制造隐藏共享？”，本页验收“第15章 散列类的输入样本、接收者与方法、关键状态前后值、正常与失败输出、异常或退出状态，以及复位后的再次运行记录。”。先预测正常轨迹，再只注入“使用 Hash.new([]) 后直接修改默认数组却没有为键写回独立对象”；若无法定位第一处状态分岔，就拒绝当前解释。

从“Hash只是按名字取值”开始深化

Hash通过key的hash与eql?定位value；key type、equality、mutation和missing default共同决定正确性。不能由一组随意Symbol/String键替代。

先预测：把mutable String作为key后原地修改，再用修改后的String lookup会怎样？Stored hash bucket可能基于旧hash，lookup失败；需要stable immutable key，或非常谨慎地rehash。Key应表达稳定identity。

复习散列

Hash保存key-value pairs，key唯一，赋同key替换value。现代Ruby保留insertion order；本书Ruby 2.3也有相应行为，但业务排序仍应显式。Assignment复制Hash reference，dup只复制outer Hash，keys/values对象继续共享。

Symbol与String是不同keys。JSON通常产生String keys，Ruby options常用Symbols；在parser boundary normalize一次并allowlist，深层代码不应到处同时尝试两种。防止schema漂移。

散列的创建：{}与Hash.new

Literal { :name => "Ruby" }可用任意key；{ name: "Ruby" }是Symbol-key shorthand。Hash.new(default)设置static default但不会为missing key写entry；mutable default会被所有missing reads共享。

record = {
  id: 42,
  name: "Ruby",
  active: false,
}
 
p record[:name]
p record["name"] # nil: different key

散列的默认值

Default value适合immutable 0等；每key mutable collection用block并写回：Hash.new { |hash, key| hash[key] = [] }。必须测试。

groups = Hash.new { |hash, key| hash[key] = [] }
groups[:language] << "Ruby"
groups[:language] << "Lua"
groups[:database] << "SQLite"
 
p groups

Default block不应执行昂贵/有副作用的隐式I/O；普通read会触发。Cache loading用明确method并考虑concurrency，Hash default block不提供atomic check-create。

值的获取与设定

hash[key]按default policy宽松读取，fetch(key)对missing抛KeyError，或接收显式default/block。避免远处nil error。

config = { retries: 0, enabled: false }
 
retries = config.fetch(:retries)
enabled = config.fetch(:enabled)
timeout = config.fetch(:timeout, 5)
 
p retries: retries, enabled: enabled, timeout: timeout

不要用config[:enabled] || true，它覆盖false；fetch同时保留false/0/nil（若key存在）。Assignment hash[key] = value返回value，store等价形式；设置nil不会像Lua那样删除key，presence仍true。

一次性获取所有的键、值

keys和valuesmaterialize Arrays，each_key/each_valuestream traversal；values_at(*keys)按顺序取多个values并对missing使用default。Large Hash若只遍历，不要先创建keys Array。

键或值的存在检查：查看指定对象是否为散列的键或值

key?/has_key?按key semantics判断presence，平均lookup快速；value?/has_value?通常线性扫描。要求根据问题选API。

查看散列的大小

size/length返回stored pairs数量，不含仅被读取但未写回的static default；empty?判断无entries。防止把size == 3当schema validation。

Validate record应逐required key fetch并拒绝unknown keys，再验证values。Counting cache size还不等于memory size；keys/values retained graph、default proc capture和overhead需profile。

删除键值与初始化散列

delete(key)移除并返回value，missing可yield key给block；若stored value为nil，仅返回值无法区分是否删除，先key?或使用sentinel。delete_if/keep_if按predicate原地过滤，reject返回new Hash。

clear移除所有pairs但保留同一Hash object及default/default_proc；所有aliases看到empty Hash。若希望其它references保留旧snapshot，应rebind owner到new Hash而非clear。

settings = Hash.new(0)
settings[:a] = 1
same = settings
settings.clear
 
p same.empty?       # true
p same.default      # 0

在cache/config reload中尤其重要。

合并两个散列

merge返回new Hash，merge!修改receiver；默认冲突由other/new value胜出，block可接key, old, new决定。不能只写“后者覆盖”。

defaults = { timeout: 5, tags: ["base"] }
override = { timeout: 10, tags: ["local"] }
 
combined = defaults.merge(override) do |key, old_value, new_value|
  key == :tags ? old_value + new_value : new_value
end
 
p combined

Nested Hash merge不是自动deep merge；shallow merge会整体替换nested value。Configuration layer应使用schema-aware merger并保留每个field source，测试explicit nil/false、unknown key和Array merge policy。

应用示例：计算单词数量

词频核心是Hash.new(0)加一，但正确性取决于decode、normalization、tokenization、case与punctuation。使结果可复现。

counts = Hash.new(0)
 
ARGF.each_line do |line|
  line.downcase.scan(/[[:alpha:]]+/) do |word|
    counts[word] += 1
  end
end
 
counts
  .sort_by { |word, count| [-count, word] }
  .first(20)
  .each { |word, count| puts format("%7d %s", count, word) }

Pattern对Unicode language coverage需验证；downcase/normalization受版本支持。ARGF合并ARGV files/stdin，生产工具要处理path error和encoding。Sort用count descending、word ascending tie-breaker，避免Hash insertion order让同频输出随input变化。

Large vocabulary消耗memory，可stream partition、external sort或approximate sketch；先记录max tokens/unique words。Untrusted超长token要限制length，日志不保留敏感原文。

正式节点与章专属证据

• 散列的创建 ：第 1 个正式节点要能回到“每个键的规范化、哈希相等、默认对象和写回时机都可观察。”，并说明故障发生前后的第一处差异。
• Hash.new ：第 2 个正式节点要能回到“每个键的规范化、哈希相等、默认对象和写回时机都可观察。”，并说明故障发生前后的第一处差异。
• 值的获取与设定 ：第 3 个正式节点要能回到“每个键的规范化、哈希相等、默认对象和写回时机都可观察。”，并说明故障发生前后的第一处差异。
• 散列的默认值 ：第 4 个正式节点要能回到“每个键的规范化、哈希相等、默认对象和写回时机都可观察。”，并说明故障发生前后的第一处差异。
• 键或值的存在检查 ：第 5 个正式节点要能回到“每个键的规范化、哈希相等、默认对象和写回时机都可观察。”，并说明故障发生前后的第一处差异。
• 散列的大小 ：第 6 个正式节点要能回到“每个键的规范化、哈希相等、默认对象和写回时机都可观察。”，并说明故障发生前后的第一处差异。
• 删除键值与初始化散列 ：第 7 个正式节点要能回到“每个键的规范化、哈希相等、默认对象和写回时机都可观察。”，并说明故障发生前后的第一处差异。
• 合并两个散列 ：第 8 个正式节点要能回到“每个键的规范化、哈希相等、默认对象和写回时机都可观察。”，并说明故障发生前后的第一处差异。
• 计算单词数量 ：第 9 个正式节点要能回到“每个键的规范化、哈希相等、默认对象和写回时机都可观察。”，并说明故障发生前后的第一处差异。

本章回顾：Key稳定、Missing明确、Merge有来源

1. Hash key依赖hash/eql?，选择stable immutable keys；外部String/Symbol在边界统一schema。
2. Static default共享且不写回，per-key mutable default用block显式写入。
3. []适合optional，fetch适合required；key presence、nil/false value和value search不同。
4. Delete/clear/merge的mutation、alias、default和conflict policy要明确，nested merge不是自动的。
5. 词频Hash只是pipeline一环，encoding/tokenization/normalization/tie-break决定可复现结果。

练习与答案

名词解释