在数据库中缓存大型非一致代码字典？

Question

我有一个大字典（输出为366MB的字符串，~383764153行filetextfile），我想将它存储在数据库中，以便快速访问并跳过填充字典所需的计算时间。在

我的字典由一个包含文件名/内容对的字典组成。小子集：

{
    'Reuters/19960916': {
        '54826newsML': '<?xml version="1.0"
encoding="iso-8859-1" ?>\r\n<newsitem itemid="54826" id="root"
date="1996-09-16" xml:lang="en">\r\n<title>USA: RESEARCH ALERT -
Crestar Financial cut.</title>\r\n<headline>RESEARCH ALERT - Crestar
Financial cut.</headline>\r\n<text>\n<p>-- Salomon Brothers analyst
Carole Berger said she cut her rating on Crestar Financial Corp to
hold from buy, at the same time lowering her 1997 earnings per share
view to $5.40 from $5.85.</p>\n<p>-- Crestar said it would buy
Citizens Bancorp in a $774 million stock swap.</p>\n<p>-- Crestar
shares were down 2-1/2 at 58-7/8. Citizens Bancorp soared 14-5/8 to
46-7/8.</p>\n</text>\r\n<copyright>(c) Reuters Limited',
        '55964newsML': '<?xml version="1.0" encoding="iso-8859-1"
?>\r\n<newsitem itemid="55964" id="root" date="1996-09-16"
xml:lang="en">\r\n<title>USA: Nebraska cattle sales thin at
$114/dressed-feedlot.</title>\r\n'
    }
}

我原以为MongoDB很适合，但它似乎要求键和值都必须是Unicode，而且由于我是从namelist()上的namelist()获取文件名，所以不能保证是Unicode。在

你建议我如何将这本词典编入数据库？

Answer 1

pymongo并不要求字符串是unicode，它实际上按原样发送ascii字符串，并将unicode编码为UTF8。当从pymongo检索数据时，总是使用unicode。@@http://api.mongodb.org/python/2.0/tutorial.html#a-note-on-unicode-strings

如果您的输入包含具有高位字节的“国际”字节字符串（如ab\xC3cd），则需要将这些字符串转换为unicode或将其编码为UTF-8。下面是一个处理任意嵌套dict的简单递归转换器：

def unicode_all(s):
    if isinstance(s, dict):
        return dict((unicode(k), unicode_all(v)) for k, v in s.items())
    if isinstance(s, list):
        return [unicode_all(v) for v in s]
    return unicode(s)

Answer 2

如果您有RAM（显然是这样，因为您首先填充了字典）cPickle。或者，如果您想要一些需要较少RAM但速度较慢的设备shelve。在