记一次业务场景中使用数据结构与算法解决需求问题的思路 —— 依赖互斥

场景介绍

• 在选配业务中一组配件（干扰源）与另一组配件（目标源）之间存在单向或双向的依赖、互斥的情况，
• 细节
  • 选择配件时没有先后顺序
  • 一类配件中可以是单选或者多选
  • 触发：单向情况必须满足左侧干扰源条件才为触发，双向满足一个源即为触发
  • 满足：即左右两个条件均满足
• 表达式示例
  • eg: (A || B) && !C1 => E || (F && G)
  • （ A 或 B ）且 非C1 单向依赖于 E 或（ F 且 G ）
  • 假如 C1 所在的同类中包含 C1、C2、C3，则 !C1，代表 C2 或 C3 选择其中一个

需求

• 在用户选配时，当表达式触发时候，要提供必要校验
• 依赖：提交时，表达式触发，但不满足，必填提示
• 互斥：选择过程中，当表达式满足，互斥提示
• 问题提示：展示表达式，绿色-选中项、橙色-互斥项、灰色-未选中项、红色-当前选择项

原始数据

• 表达式数据

    {
        relType, // 依赖/互斥 String
        relDire, // 单向/双向 String
        dist, // 干扰源 Array
        src, // 目标源 Array
    
    }
  复制代码

• 源数据

  [
      {
          join, // 且-2、或-1
          non, // 非-1、与-0
          parenthesis, // (-1 、)-2
      }
  ]
  复制代码

实现思路

• 数据结构化
  • 且/或
    • 且：用集合表示，Set
    • 或：用数组表示，Array
    • (A || B) && C
    • 为方便展示，内层代表Set，外层代表Array
    • [[A, C],[B, C]]
  • 非的情况处理
    • 余下同类项或
    • (B || !C1) && D
    • !C1 => [C2, C3]
    • [[B, D],[C2, D], [C3, D]]
  • 括号
    • 同上述示例，最终展开
  • 双向/单项
    • 用字典处理 Map
    • 双向依赖展成两个单向分别推入字典中
    • 双向互斥可按照单向互斥处理
• 结构化数据算法
  • 切或非
    • 数据处理后，进行扁平化处理
  • 括号
    • 参考计算器算法处理即可
• 匹配算法思路
  • 利用集合Set
  • 已选中选项与源展开数据中的每个且的集合中的选项组成新的集合，新集合长度等于已选中选型数量，即为触发
  • [match1, match2, ...]
  • new Set([...selects, ...match[n]])
• 展示
  • 即可按照常规前端UI实现

效果