问题描述
在php开发中，我们经常需要处理复杂的数据结构，其中一个常见场景是将分散在不同数组中的相关数据进行整合。设想我们有两个数组：一个包含产品id（epid）和哈希值（hash）的列表，其中一个产品id可能对应多个哈希值；另一个数组则包含产品id（epid）和产品名称（name）。我们的目标是根据共同的产品id，将第一个数组中所有对应的哈希值收集起来，形成一个哈希值数组，并将其作为新字段添加到第二个数组的相应产品记录中。
以下是两个示例输入数组和期望的输出结构：
Array 1 (源数据)
$sourceArray = [ ["epid" => "123", "hash" => "xxxxxxA"], ["epid" => "456", "hash" => "xxxxxxB"], ["epid" => "789", "hash" => "xxxxxxC"], ["epid" => "123", "hash" => "xxxxxxD"], ["epid" => "123", "hash" => "xxxxxxE"], ];
Array 2 (目标数据)
$targetArray = [ ["epid" => "123", "name" => "This is a title"], ["epid" => "456", "name" => "This is a title"], ["epid" => "789", "name" => "This is a title"] ];
期望输出
立即学习“PHP免费学习笔记（深入）”；
[ ["epid" => "123", "name" => "This is a title", "hash" => [ "xxxxxxA", "xxxxxxD", "xxxxxxE" ] ], ["epid" => "456", "name" => "This is a title", "hash" => [ "xxxxxxB" ] ], ["epid" => "789", "name" => "This is a title", "hash" => [ "xxxxxxC" ] ] ]
解决方案一：直接迭代与查找
最直观的解决方案是遍历目标数组，然后针对每个目标记录，在源数组中查找所有匹配的项，并提取所需的数据。这种方法易于理解和实现，适用于数据量不是特别庞大的场景。
<?php
$sourceArray = [
["epid" => "123", "hash" => "xxxxxxA"],
["epid" => "456", "hash" => "xxxxxxB"],
["epid" => "789", "hash" => "xxxxxxC"],
["epid" => "123", "hash" => "xxxxxxD"],
["epid" => "123", "hash" => "xxxxxxE"],
];
$targetArray = [
["epid" => "123", "name" => "This is a title"],
["epid" => "456", "name" => "This is a title"],
["epid" => "789", "name" => "This is a title"]
];
foreach ($targetArray as $index => $element) {
// 提取 sourceArray 中所有 'epid' 的值
$epidsInSource = array_column($sourceArray, 'epid');
// 查找当前 $element['epid'] 在 $epidsInSource 中出现的所有键（索引）
$matchingKeys = array_keys($epidsInSource, $element["epid"]);
// 遍历所有匹配的键，将对应的哈希值添加到目标数组
foreach ($matchingKeys as $key) {
$targetArray[$index]["hash"][] = $sourceArray[$key]["hash"];
}
}
echo "<pre>";
var_dump($targetArray);
echo "</pre>";
?>代码解析：
- 外层 foreach 循环：我们遍历 $targetArray 数组中的每个元素。$index 是当前元素的索引，$element 是当前元素的值。
- array_column($sourceArray, 'epid')：这一步从 $sourceArray 中提取所有 epid 的值，生成一个只包含 epid 的一维数组。例如，["123", "456", "789", "123", "123"]。
- array_keys($epidsInSource, $element["epid"])：接着，我们在这个一维 epid 数组中查找与当前 $element["epid"] 匹配的所有键（即原始 $sourceArray 数组中的索引）。这会返回一个包含所有匹配索引的数组。例如，当 $element["epid"] 是 "123" 时，$matchingKeys 会是 [0, 3, 4]。
- 内层 foreach 循环：遍历上一步找到的所有索引 $key。
- $targetArray[$index]["hash"][] = $sourceArray[$key]["hash"]：对于每个匹配的索引，我们将 $sourceArray 数组中对应元素的 hash 值添加到当前 $targetArray 元素（即 $targetArray[$index]）的 hash 字段中。如果 hash 字段不存在，PHP会自动将其初始化为一个数组。
解决方案二：预处理优化
对于大型数据集，在每次外层循环中都执行 array_column 和 array_keys 可能会导致性能问题，因为它们需要遍历整个源数组。一个更高效的策略是首先对源数组进行预处理，将其转换为一个以 epid 为键，以哈希值数组为值的映射表。这样，在合并阶段，我们只需进行一次哈希表的查找操作，大大提高了效率。
<?php
$sourceArray = [
["epid" => "123", "hash" => "xxxxxxA"],
["epid" => "456", "hash" => "xxxxxxB"],
["epid" => "789", "hash" => "xxxxxxC"],
["epid" => "123", "hash" => "xxxxxxD"],
["epid" => "123", "hash" => "xxxxxxE"],
];
$targetArray = [
["epid" => "123", "name" => "This is a title"],
["epid" => "456", "name" => "This is a title"],
["epid" => "789", "name" => "This is a title"]
];
// 预处理 sourceArray，将哈希值按 epid 分组
$groupedHashes = [];
foreach ($sourceArray as $item) {
$epid = $item['epid'];
$hash = $item['hash'];
if (!isset($groupedHashes[$epid])) {
$groupedHashes[$epid] = [];
}
$groupedHashes[$epid][] = $hash;
}
// 合并到 targetArray
foreach ($targetArray as $index => $element) {
$epid = $element['epid'];
if (isset($groupedHashes[$epid])) {
$targetArray[$index]['hash'] = $groupedHashes[$epid];
} else {
// 如果 sourceArray 中没有对应的 epid，则初始化为空数组
$targetArray[$index]['hash'] = [];
}
}
echo "<pre>";
var_dump($targetArray);
echo "</pre>";
?>代码解析：
-
预处理阶段：
- 我们初始化一个空数组 $groupedHashes。
- 遍历 $sourceArray 数组中的每个元素。
- 对于每个元素，提取其 epid 和 hash。
- 使用 if (!isset($groupedHashes[$epid])) 检查 $groupedHashes 中是否已存在以当前 epid 为键的条目。如果不存在，则初始化为一个空数组，确保 hash 字段始终是数组类型。
- 将当前 hash 值添加到对应 epid 的哈希值数组中。
- 经过此阶段，$groupedHashes 将变为 ['123' => ['xxxxxxA', 'xxxxxxD', 'xxxxxxE'], '456' => ['xxxxxxB'], '789' => ['xxxxxxC']] 这样的结构。
-
合并阶段：
- 遍历 $targetArray 数组。
- 对于每个元素，获取其 epid。
- 通过 isset($groupedHashes[$epid]) 检查预处理后的映射表中是否存在对应的 epid。
- 如果存在，则将 $groupedHashes[$epid]（即所有聚合的哈希值数组）赋值给 $targetArray[$index]['hash']。
- 如果不存在，根据业务需求，可以选择将 hash 字段初始化为空数组，或者完全不添加该字段。示例中我们选择初始化为空数组，以保持数据结构的一致性。
注意事项
- 性能考量：对于大规模数据集，预处理方法（解决方案二）通常优于直接迭代查找方法（解决方案一），因为它将查找操作的复杂度从 O(N*M) 降低到 O(N+M)，其中 N 是 $sourceArray 的大小，M 是 $targetArray 的大小。在性能要求较高的场景下，强烈推荐使用预处理方法。
- 键值存在性检查：在合并时，务必检查目标键（如 epid）在源数据中是否存在。在解决方案二中，我们通过 isset($groupedHashes[$epid]) 进行了检查，避免了访问不存在的键而引发错误。在解决方案一中，array_keys 会返回空数组，内层循环不会执行，因此也相对安全。
- 数据初始化：当源数组中没有匹配的 epid 时，目标数组中的 hash 字段如何处理？是初始化为空数组 []，还是完全不添加该字段？这取决于具体的业务需求。示例中我们选择初始化为空数组，以保持数据结构的一致性。
- 内存消耗：预处理方法会创建一个新的 $groupedHashes 数组，这会增加一定的内存消耗。对于极端庞大的数据集，需要权衡性能和内存使用。
总结
本文详细介绍了在PHP中如何将两个数组基于共同键值进行合并，并聚合特定字段的方法。我们探讨了两种实现策略：直接迭代查找和预处理优化。直接迭代查找方法简洁明了，适用于中小规模数据；而预处理优化方法则通过构建中间映射表，显著提升了处理大规模数据的效率。在实际开发中，开发者应根据数据规模、性能要求和代码可读性等因素，选择最适合的解决方案，并注意键值存在性检查和数据初始化等细节，以确保代码的健壮性和正确性。
