编程语言字典合并操作符来了

一、前言

就在本周，字典合并特性（PEP 584[1]）的提交被合入了 CPython 的主干分支，并在 2020-02-26 发布了 Python 3.9.0a4[2] 预览版本。

那什么是字典合并操作符呢？在回答这个问题前，我们不妨回忆下集合的合并操作。当我们想要对两个结合做合并操作时，会怎么做呢？

1. >>> s1 = {1, 2}  
2. >>> s2 = {2, 3}  
3. >>> s1 | s2  # s1 和 s2 取并集，生成新的集合；与 s1.union(s2) 等价  
4. {1, 2, 3}  
5. >>> s1 |= s2 # s1 和 s2 取并集，并更新到 s1 上；与 s1.update(s2) 等价  
6. >>> s1  
7. {1, 2, 3} 

类似地，我们希望 Python 中的字典能像集合一样，使用 | 和 |= 作为合并操作符，以解决我们在过去合并字典时感受到的“痛苦”，于是就有了 PEP 584。

今天就想和大家聊聊这个提案，不仅是要了解字典合并操作符的前世今生，更是要学习提案作者以及参与者是如何对引入一个新特性的思考，辩证性地分析利弊，最终确定引入。最后还想和大家分享下在 CPython 层面是如何实现的。

二、背景

在平时使用 Python 的过程中，我们有时会需要合并字典。目前合并字典有多种方式，它们或多或少都有些缺点。

2.1 dict.update

d1.update(d2) 确实能合并两个字典，但它是在修改d1的基础上进行。如果我们想要合并成一个新的字典，没有一个直接使用表达式的方式，而需要借助临时变量进行：

1. e = d1.copy()  
2. e.update(d2) 

2.2 {**d1, **d2}

字典解包可以将两个字典合并为一个新的字典，但看起来有些丑陋，并且不能让人显而易见地看出这是在合并字典。

{**d1, **d2} 还会忽略映射类型，并始终返回字典类型。

2.3 collections.ChainMap

ChainMap 很少有人知道，它也可以用作合并字典。但和前面合并方式相反，在合并两个字典时，第一个字典的键会覆盖第二个字典的相同键。

此外，由于 ChainMap 是对入参字典的封装，这意味着写入 ChainMap 会修改原始字典：

1. >>> from collections import ChainMap  
2. >>> d1 = {'a':1}  
3. >>> d2 = {'a':2}  
4. >>> merged = ChainMap(d1, d2)  
5. >>> merged['a']     # d1['a'] 会覆盖 d2['a']  
6. 1  
7. >>> merged['a'] = 3 # 实际等同于 d1['a'] = 3  
8. >>> d1  
9. {'a': 3} 

2.4 dict(d1, **d2)

这是一种鲜为人知的合并字典的“巧妙方法”，但如果字典的键不是字符串，它就不能有效工作了：

1. >>> d1 = {'a': 1}  
2. >>> d2 = {2: 2}  
3. >>> dict(d1, **d2)  
4. Traceback (most recent call last):  
5.   ...  
6. TypeError: keywords must be strings 

三、原理

新操作符同 dict.update 方法的关系，就和列表连接（+）、扩展（+=）操作符同 list.extend 方法的关系一样。需要注意的是，这和集合中 |/|= 操作符同 set.update 的关系稍有不同。作者明确了允许就地运算符接受更广泛的类型（就像 list 那样）是一种更有用的设计，并且限制二进制操作符的操作数类型（就像 list 那样）将有助于避免由复杂的隐式类型转换引起的错误被吞掉。

1. >>> l1 = [1, 2]  
2. >>> l1 + (3,) # 限制操作数的类型，不是列表就报错  
3. Traceback (most recent call last)  
4. ...  
5. TypeError: can only concatenate list (not "tuple") to list  
6. >>> l1 += (3,) # 允许就地运算符接受更广泛的类型（如元组）  
7. >>> l1  
8. [1, 2, 3] 

当合并字典发生键冲突时，以最右边的值为准。这和现存的字典类似操作相符，比如：

1. {'a': 1, 'a': 2} # 2 覆盖 1  
2. {**d, **e}       # e覆盖d中相同键所对应的值  
3. d.update(e)      # e覆盖d中相同键所对应的值  
4. d[k] = v         # v 覆盖原有值  
5. {k: v for x in (d, e) for (k, v) in x.items()} # e覆盖d中相同键所对应的值 

四、规范

字典合并会返回一个新字典，该字典由左操作数与右操作数合并而成，每个操作数必须是 dict（或 dict 子类的实例）。如果两个操作数中都出现一个键，则最后出现的值（即来自右侧操作数的值）将会覆盖：

1. >>> d = {'spam': 1, 'eggs': 2, 'cheese': 3}  
2. >>> e = {'cheese': 'cheddar', 'aardvark': 'Ethel'}  
3. >>> d | e  
4. {'spam': 1, 'eggs': 2, 'cheese': 'cheddar', 'aardvark': 'Ethel'}  
5. >>> e | d # 不符合交换律，左右互换操作数会得到不同的结果  
6. {'aardvark': 'Ethel', 'spam': 1, 'eggs': 2, 'cheese': 3} 

扩展赋值版本的就地操作：

1. >>> d |= e # 将 e 更新到 d 中  
2. >>> d  
3. {'spam': 1, 'eggs': 2, 'cheese': 'cheddar', 'aardvark': 'Ethel'} 

扩展赋值的行为和字典的 update 方法完全一样，它还支持任何实现了映射协议（更确切地说是实现了 keys 和 __getitem__ 方法）或键值对迭代对象。所以：

1. >>> d | [('spam', 999)]   # “原理”章节中提到限制操作数的类型，不是字典或字典子类就报错  
2. Traceback (most recent call last):  
3.   ...  
4. TypeError: can only merge dict (not "list") to dict   
5. >>> d |= [('spam', 999)]  # “原理”章节中提到允许就地运算符接受更广泛的类型，其行为和 update 一样，接受键值对迭代对象  
6. >>> d 
7.  {'eggs': 2, 'cheese': 'cheddar', 'aardvark': 'Ethel', 'spam': 999} 

五、主流观点

5.1 字典合并不符合交换律

合并是符合交换律的，但是字典联合却没有（d | e != e | d）。

回应

Python 中有过不符合交换律的合并先例：

1. >>> {0} | {False}  
2. {0}  
3. >>> {False} | {0}  
4. {False} 

上述结果虽然是相等的，但是本质是不同的。通常来说，a | b 和 b | a 并不相同。

5.2 字典合并并不高效

类似管道写法使用多次字典合并并不高效，比如 d | e | f | g | h 会创建和销毁三个临时映射。

回应

这种问题在序列级联时同样会出现。

序列级联的每一次合并都会使序列中的元素总数增加，最终会带来 O(N^2) 的性能开销。而字典合并有可能会有重复键，因此临时映射的大小并不会如此快速地增长。

正如我们很少将大量的列表或元组连接在一起一样，PEP的作者任务合并大量的字典也是少见情况。若是确实有这样的诉求，那么最好使用显式的循环和就地合并：

1. new = {}  
2. for d in many_dicts:  
3.     new |= d 

5.3 字典合并是有损的

字典合并可能会丢失数据（相同键的值可能消失），其他形式的合并并不会。

回应

作者并不觉得这种有损是一个问题。此外，dict.update 也会发生这种情况，但并不会丢弃键，这其实是符合预期的。只不过是现在使用的不是 update 而是 |。

如果从不可逆的角度考虑，其他类型的合并也是有损的。假设 a | b 的结果是365，那么 a 和 b 是多少却不得而知。

5.4 只有一种方法达到目的

字典合并不符合“Only One Way”的禅宗。

回应

其实并没有这样的禅宗。“Only One Way”起源于很早之前Perl社区对Python的诽谤。

5.5 超过一种方法达到目的

好吧，禅宗并没有说“Only One Way To Do It”。但是它明确禁止“超过一种方法达到目的”。

回应

并没有这样的禁止。Python 之禅仅表达了对“仅一种显而易见的方式”的偏爱。

1. There should be one-- and preferably only one --obvious way to do  
2. it. 

它的重点是应该有一种明显的方式达到目的。对于字典更新操作来说，我们可能希望至少执行两个不同的操作：

•  就地更新字典：显而易见的方式是使用 update() 方法。如果此提案被接受，|= 扩展赋值操作符也将等效，但这是扩展赋值如何定义的副作用。选择哪种取决于使用者口味。
•  合并两个现存的字典到新字典中：此提案中显而易见的方法是使用 | 合并操作符。

实际上，Python 里经常违反对“仅一种方式”的偏爱。例如，每个 for 循环都可以重写为 while 循环；每个 if 块都可以写为 if/else 块。列表、集合和字典推导都可以用生成器表达式代替。列表提供了不少于五种方法来实现级联：

•  级联操作符：a + b
•  就地级联操作符：a + = b
•  切片分配：a[len(a):] = b
•  序列解压缩：[*a, *b]
•  扩展方法：a.extend(b)

我们不能太教条主义，不能因为它违反了“仅一种方式”就非常严格的拒绝有用的功能。

5.6 字典合并让代码更难理解

字典合并让人们更难理解代码的含义。为了解释该异议，而不是具体引用任何人的话：“在看到 spam | eggs，如果不知道 spam 和 eggs 是什么，根本就不知道这个表达式的作用”。

回应

这确实如此，即使没有该提案，| 操作符的现状也是如此：

•  对于 int/bool 是按位或
•  对于 set/forzenset 是并集
•  还可能是任何其他的重载操作

添加字典合并看起来并不会让理解代码变得更困难。确定 spam 和 eggs 是映射类型并不比确定是集合还是整数要花更多的工作。其实良好的命名约定将会有助于改善情况：

1. flags |= WRITEABLE  # 可能就是数字的按位或  
2. DO_NOT_RUN = WEEKENDS | HOLIDAYS  # 可能就是集合合并  
3. settings = DEFAULT_SETTINGS | user_settings | workspace_settings  # 可能就是字典合并 

5.7 参考下完整的集合API

字典和集合很相似，应该要支持集合所支持的操作符：|、&、^ 和 -。

回应

也许后续会有PEP来专门说明这些操作符如何用于字典。简单来说：

把集合的对称差集（^）操作用在字典上面是显而易见且自然。比如：

1. >>> d1 = {"spam": 1, "eggs": 2}  
2. >>> d2 = {"ham": 3, "eggs": 4} 

对于 d1 和 d2 对称差集，我们期望 d1 ^ d2 应该是 {"spam": 1, "ham": 3}

把集合的差集（-）操作用在字典上面也是显而易见和自然的。比如 d1 和 d2 的差集，我们期望：

•  d1 - d2 为 {"spam": 1}
•  d2 - d1 为 {"ham": 3}

把集合的交集（&）操作用在字典上面就有些问题了。虽然很容易确定两个字典中键的交集，但是如何处理键所对应的值就比较模糊。不难看出 d1 和 d2 的共同键是 eggs，如果我们遵循“后者胜出”的一致性原则，那么值就是 4。

六、已拒绝的观点

PEP 584 提案中罗列了很多已拒绝的观点，比如使用 + 来合并字典；在合并字典时也合并值类型为列表的值等等。这些观点都非常有意思，被拒绝的理由也同样有说服力。限于篇幅的原因不再进一步展开，感兴趣的可以阅读 httPS://www.python.org/dev/peps/pep-0584/#id34。

七、实现

7.1 纯 Python 实现

1. def __or__(self, other):  
2.     if not isinstance(other, dict):  
3.         return NotImplemented  
4.     new = dict(self)  
5.     new.update(other)  
6.     return new  
7. def __ror__(self, other):  
8.     if not isinstance(other, dict):  
9.         return NotImplemented  
10.     new = dict(other)  
11.     new.update(self)  
12.     return new  
13. def __ior__(self, other):  
14.     dict.update(self, other)  
15.     return self 

纯 Python 实现并不复杂，我们只需让 dict 实现几个魔法方法：

  __or__ 和 __ror__ 魔法方法对应于 | 操作符，__or__ 表示对象在操作符左侧，__ror__ 表示对象在操作符右侧。实现就是根据左侧操作数生成一个新字典，再把右侧操作数更新到新字典中，并返回新字典。

  __ior__ 魔法方法对应于 |= 操作符，将右侧操作数更新到自身即可。

7.2 CPython 实现

CPython 中字典合并的详细实现可见此 PR：https://github.com/python/cpython/pull/12088/files 。

最核心的实现如下：

1. // 实现字典合并生成新字典的逻辑，对应于 | 操作符  
2. static PyObject *  
3. dict_or(PyObject *self, PyObject *other)  
4. {  
5.     if (!PyDict_Check(self) || !PyDict_Check(other)) {  
6.         Py_RETURN_NOTIMPLEMENTED;  
7.     }  
8.     PyObject *new = PyDict_Copy(self);  
9.     if (new == NULL) {  
10.         return NULL;  
11.     }  
12.     if (dict_update_arg(new, other)) {  
13.         Py_DECREF(new); // 减少引用计数  
14.         return NULL;  
15.     }  
16.     return new;  
17. }  
18. // 实现字典就地合并逻辑，对应于 |= 操作符  
19. static PyObject *  
20. dict_ior(PyObject *self, PyObject *other)  
21. {  
22.     if (dict_update_arg(self, other)) {  
23.         return NULL;  
24.     }  
25.     Py_INCREF(self); // 增加引用计数  
26.     return self;  
27. } 

CPython 的实现逻辑和纯Python实现几乎一样，唯独需要注意的就是引用计数的问题，这关系到对象的垃圾回收。

八、总结

PEP 584是一个非常精彩的提案，引入 | 和 |= 操作符用作字典合并，看似是一个比较简单的功能，但所要考虑的情况却不少。不仅需要说明这个提案的背景，目前有哪些方式可以达到目的，它们有哪些痛点；还要考虑对既有类型引入操作符所带来的各种影响，对开发者提出的质疑和顾虑进行思考和解决。整个提案所涉及到的方法论、思考维度、知识点都非常值得学习。

对使用者来说，合并字典将会变得更加方便。在提案的最后，作者给出了许多第三方库在合并字典时采用新方式编写的例子，可谓是简洁了不少。详见 https://www.python.org/dev/peps/pep-0584/#id50 。

 在过去的几十年间，大量的编程语言被发明、被取代、被修改或组合在一起。尽管人们多次试图创造一种通用的程序设计语言，却没有一次尝试是成功的。之所以有那么多种不同的编程语言存在的原因是，编写程序的初衷其实也各不相同；新手与老手之间技术的差距非常大，而且有许多语言对新手来说太难学；还有，不同程序之间的运行成本（runtime cost）各不相同。