本文介绍使用 javascript 的 `flat()` 和 `reduce()` 方法，将多层嵌套的用户数据按 `class_id` 分组聚合，生成结构清晰的班级-学生映射数组，解决传统遍历逻辑无法处理跨子数组同字段归并的问题。
在 Node.js（或现代浏览器）环境中处理分层嵌套的数组数据时，常见的误区是试图用多层 for 循环或 map + 条件判断强行分组——这不仅代码冗长，更难以应对 class_id 跨不同子数组重复出现的场景（如 "Grade 2" 同时出现在第二个和第三个子数组中）。正确解法应聚焦于扁平化 → 按键归并 → 提取值三步范式。
✅ 推荐方案：flat() + reduce() 构建哈希索引
首先，使用 Array.prototype.flat() 将二维数组（如 [[...], [...]]）一次性展平为一维学生对象数组；接着，利用 reduce() 构造一个以 class_id 为键的对象字典（即哈希表），每个键对应一个 { class_id, students: [...] } 结构。关键在于使用 Nullish Coalescing Assignment (??=) 安全初始化未存在的键：
const data = [
[
{ class_id: "Grade 1", roll_number: "1", name: "alex" },
{ class_id: "Grade 1", roll_number: "2", name: "bob" },
],
[
{ class_id: "Grade 2", roll_number: "7", name: "peter" },
{ class_id: "Grade 3", roll_number: "6", name: "lia" },
{ class_id: "Grade 2", roll_number: "5", name: "mary" },
{ class_id: "Grade 3", roll_number: "1", name: "violet" },
],
];
const grouped = data
.flat() // → [{...}, {...}, {...}, ...]
.reduce((acc, { class_id, roll_number, name }) => {
// 若 acc[class_id] 不存在，则初始化为 { class_id, students: [] }
acc[class_id] ??= { class_id, students: [] };
// 将精简学生信息推入对应班级的 students 数组
acc[class_id].students.push({ roll_number, name });
return acc;
}, {});
// 最终转换为所需数组格式
const result = Object.values(grouped);
console.log(result);输出结果完全符合需求：
[
{
"class_id": "Grade 1",
"students": [
{ "roll_number": "1", "name": "alex" },
{ "roll_number": "2", "name": "bob" }
]
},
{
"class_id": "Grade 2",
"students": [
{ "roll_number": "7", "name": "peter" },
{ "roll_number": "5", "name": "mary" }
]
},
{
"class_id": "Grade 3",
"students": [
{ "roll_number": "6", "name": "lia" },
{ "roll_number": "1", "name": "violet" }
]
}
]⚠️ 注意事项与增强建议
- 兼容性处理：若需支持 Node.js < 12 或旧版浏览器，可将 flat() 替换为 [].concat(...data)，??= 替换为 acc[class_id] = acc[class_id] || { class_id, students: [] }；
- 字段校验：生产环境建议在解构前检查 class_id 是否存在，避免 undefined 键污染结果；
- 排序稳定性：Object.values() 返回顺序与插入顺序一致（ES2015+），但若需严格按 Grade 1 → Grade 2 → Grade 3 排序，可在最后添加 .sort((a, b) => a.class_id.localeCompare(b.class_id))；
- 扩展性：该模式可轻松适配其他分组字段（如 department、region），只需替换解构变量和键名即可。
此方法逻辑清晰、性能高效（单次遍历 O(n)）、无副作用，是处理此类“多源同构数据聚合”任务的标准实践。
