本文介绍一种通用、安全的递归方法，用于遍历并修改未知结构的嵌套字典（含内嵌列表）中所有非容器类型的叶子值，无需预先知晓层级或键名。
本文介绍一种通用、安全的递归方法，用于遍历并修改未知结构的嵌套字典（含内嵌列表）中所有非容器类型的叶子值，无需预先知晓层级或键名。
在实际开发中，我们常需处理结构动态、深度未知的嵌套数据（如 API 响应、配置文件或 JSON 解析结果）。此时，硬编码路径（如 d['key3']['key3a']['key3aa']）不可行，必须借助递归遍历实现就地修改（in-place mutation）。核心挑战在于：既要精准定位每个叶子节点（即字符串、数字等基本类型），又要保留其父容器引用和访问路径（键或索引），从而支持赋值操作。
以下是一个健壮、可复用的递归修改方案：
def recursive_update(src, transform_func=lambda x: f"changed_{x}"):
"""
递归遍历嵌套字典/列表，对所有叶子值（非 dict/list）应用 transform_func 并就地更新。
Args:
src: 待处理的嵌套结构（dict 或 list）
transform_func: 接收原值、返回新值的函数，默认添加前缀 "changed_"
"""
if isinstance(src, dict):
for key, value in src.items():
if isinstance(value, (dict, list)):
# 递归进入子容器
recursive_update(value, transform_func)
else:
# 叶子节点：直接修改
src[key] = transform_func(value)
elif isinstance(src, list):
for index, value in enumerate(src):
if isinstance(value, (dict, list)):
# 递归进入子容器
recursive_update(value, transform_func)
else:
# 叶子节点：直接修改
src[index] = transform_func(value)
else:
# 非容器类型（str, int, float, bool, None 等），不作处理
pass
# 示例使用
example_dict = {
'key1': 'value1',
'key2': {
'key2a': 'value2a'
},
'key3': {
'key3a': {
'key3aa': 'value3aa',
'key3ab': 'value3ab',
'key3ac': 'value3ac'
},
'key3b': ['value3b1', 'value3b2']
}
}
recursive_update(example_dict)
print(example_dict)
# 输出：
# {
# 'key1': 'changed_value1',
# 'key2': {'key2a': 'changed_value2a'},
# 'key3': {
# 'key3a': {'key3aa': 'changed_value3aa', 'key3ab': 'changed_value3ab', 'key3ac': 'changed_value3ac'},
# 'key3b': ['changed_value3b1', 'changed_value3b2']
# }
# }✅ 关键设计要点：
- 就地修改：直接操作 src[key] 或 src[index]，避免创建新对象，节省内存且保持引用一致性；
- 类型判别严谨：仅对 dict 和 list 递归，其他类型（str, int, None, bool 等）视为叶子节点；
- 高扩展性：通过 transform_func 参数灵活定义修改逻辑（如转大写、加盐哈希、类型转换等）；
- 安全边界：无副作用，不修改容器结构（不增删键/索引），仅替换值。
⚠️ 注意事项：
- 若需修改原始数据的深层副本（避免污染源数据），请先用 copy.deepcopy() 创建副本再调用；
- 列表中若存在 None 或不可哈希类型，transform_func 需自行处理（如 lambda x: x if x is None else f"changed_{x}"）；
- 此方法不适用于需根据完整路径（如 'key3.key3a.key3aa'）做条件判断的场景——此时应改用生成路径-值对的迭代器（如答案中 yield parent, key, value 方案），但本教程推荐的递归函数更简洁、易维护、符合 Python 惯例。
掌握该模式后，你可轻松应对 YAML 配置批量脱敏、API 响应字段标准化、测试数据动态注入等典型工程需求。
