本文介绍一种基于哈希映射的优化方案：一次性预加载字典文件构建 defaultdict(list)，再逐行匹配词表，避免重复遍历，将时间复杂度从 O(n×m) 降至 O(n+m)，显著提升多词批量查询性能。
本文介绍一种基于哈希映射的优化方案：一次性预加载字典文件构建 `defaultdict(list)`，再逐行匹配词表，避免重复遍历，将时间复杂度从 o(n×m) 降至 o(n+m)，显著提升多词批量查询性能。
在处理两个已按字母序排序的文本文件（如词表 wordlist.txt 和带重复词条的词典 dictionary.txt）时，若采用原始的嵌套循环——即对每个待查词都重新从头扫描整个词典文件——会导致严重的性能瓶颈。尤其当词表含数百词、词典含数千行，且需同时查询多个词典时，I/O 开销与线性搜索叠加将使运行时间呈指数级增长。
根本问题在于：重复读取同一文件 + 未利用数据有序性 + 缺乏缓存机制。虽然手动记录上一次匹配位置（如“游标式”扫描）可在一定程度上缓解问题，但逻辑复杂、易出错，且无法应对跳词（如 ad → and → at 中 ad 无匹配时需回退或跳过），更不适用于多词典并发查询场景。
✅ 更优解是空间换时间：利用 Python 的哈希表（dict）实现 O(1) 平均查找，配合 collections.defaultdict(list) 自动聚合同义词的多个定义。核心思路分两步：
-
单次预处理：遍历
dictionary.txt一次，按单词为键、定义列表为值构建内存字典； -
单次查询：遍历
wordlist.txt，对每个词执行dict.get(word)，直接获取所有关联定义。
以下是完整、健壮的实现代码：
from collections import defaultdict
# 步骤1：构建单词→定义列表的映射（仅执行一次）
dictionary_map = defaultdict(list)
with open('dictionary.txt', 'r', encoding='utf-8') as f:
for line_num, line in enumerate(f, 1):
line = line.strip()
if not line: # 跳过空行
continue
try:
word, definition = line.split('\t', 1) # 仅分割第一个制表符，防定义含\t
dictionary_map[word.strip()].append(definition.strip())
except ValueError:
print(f"警告：第 {line_num} 行格式错误，跳过 — '{line}'")
# 步骤2：批量查询词表
with open('wordlist.txt', 'r', encoding='utf-8') as f:
for line_num, word_line in enumerate(f, 1):
word = word_line.strip()
if not word: # 跳过空行或纯空白行
continue
definitions = dictionary_map.get(word)
if definitions:
# 拼接所有定义，用分号分隔（比逗号更适配含逗号的定义）
result = f"{word}: {'; '.join(definitions)}"
print(result)
else:
print(f"{word}: （未找到定义）")? 关键优化点说明：
- ✅ 编码安全：显式指定
encoding='utf-8'，避免 Windows 系统下默认编码（如cp1252）导致中文乱码； - ✅ 容错增强：
split('\t', 1)防止定义字段含制表符时解析失败；strip()清除首尾空格/换行符； - ✅ 空行鲁棒性：主动跳过空行和空白行，提升数据兼容性；
- ✅ 可扩展设计：若需查询多个词典（如
dict_en.txt,dict_it.txt），只需为每个构建独立defaultdict，查询时按需调用，无需重复 I/O。
? 进阶提示：若词典极大（超内存）、或需持久化复用，可考虑升级为 SQLite 数据库存储（建 word 索引），或使用 bisect 模块在有序文件中二分查找（需确保文件严格按字节序排序，且每行无 BOM）。但对数百至数万行规模，defaultdict 方案简洁、高效、零依赖，是 Python 生态下的首选实践。
综上，放弃“边查边扫”的朴素思路，转向“预建索引+快速查表”，不仅解决当前性能痛点，更使代码更清晰、可维护、易扩展。
