LeetCode —— 146. LRU缓存机制（Python）

运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制。它应该支持以下操作： 获取数据 get 和 写入数据 put 。

获取数据 get(key) - 如果关键字 (key) 存在于缓存中，则获取关键字的值（总是正数），否则返回 -1。

写入数据 put(key, value) - 如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字/值」。当缓存容量达到上限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。

进阶:

你是否可以在 O(1) 时间复杂度内完成这两种操作？

示例:

LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // 返回  1
cache.put(3, 3);    // 该操作会使得关键字 2 作废
cache.get(2);       // 返回 -1 (未找到)
cache.put(4, 4);    // 该操作会使得关键字 1 作废
cache.get(1);       // 返回 -1 (未找到)
cache.get(3);       // 返回  3
cache.get(4);       // 返回  4

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/lru-cache
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

——————————————————

class DLinkedNode:
    def __init__(self, key=0, value=0):
        self.key = key  # 存储关键字
        self.value = value  # 存储关键字的值
        self.prev = None  # 当前节点的父结点
        self.next = None  # 当前节点的子结点


class LRUCache:

    def __init__(self, capacity: int):
        self.cache = dict()  # 字典，用于O(1)时间复杂度找到对应的值
        # 使用伪头部和伪尾部节点     
        self.head = DLinkedNode()  # 用于将最近出现的节点拼接到伪头部后面
        self.tail = DLinkedNode()  # 用于将最久不出现的节点拼接到伪尾部前面
        self.head.next = self.tail  # 初始化时伪头部和伪尾部相拼接
        self.tail.prev = self.head
        self.capacity = capacity  # 最大容量
        self.size = 0  # 初始化当前容量

    def get(self, key: int) -> int:
        if key not in self.cache:  # key对应字典self.cache的key
            return -1
        # 如果 key 存在，先通过哈希表定位，再移到头部
        node = self.cache[key]
        self.moveToHead(node)  # 将最近出现的节点移动到伪头部后面
        return node.value   # 返回当前节点的value

    def put(self, key: int, value: int) -> None:
        if key not in self.cache:  
            # 如果 key 不存在，创建一个新的节点
            node = DLinkedNode(key, value)
            # 添加进哈希表
            self.cache[key] = node
            # 添加至双向链表的头部
            self.addToHead(node)
            self.size += 1
            if self.size > self.capacity:
                # 如果超出容量，删除双向链表的尾部节点
                removed = self.removeTail()
                # 删除哈希表中对应的项
                self.cache.pop(removed.key)
                self.size -= 1
        else:
            # 如果 key 存在，先通过哈希表定位，再修改 value，并移到头部
            node = self.cache[key]
            node.value = value
            self.moveToHead(node)
    
    def addToHead(self, node):
        node.prev = self.head  # 当前节点的父节点更新为伪头部
        node.next = self.head.next  # 当前节点的子节点更新为伪头部的子节点
        self.head.next.prev = node  # 伪头部的之前子节点的父节点更新为当前节点
        self.head.next = node  # 伪头部的子节点更新为当前节点
    
    def removeNode(self, node):
        node.prev.next = node.next  # 当前节点的父节点的子节点更新为当前节点的子节点
        node.next.prev = node.prev  # 当前节点的子节点的父节点更新为当前节点的父节点

    def moveToHead(self, node):
        self.removeNode(node)  # 删除当前节点，将当前节点的父节点和子节点拼接
        self.addToHead(node)  # 将当前节点拼接到伪头部后面

    def removeTail(self):  # 当超出容量时，删除最不常用的一个节点
        node = self.tail.prev  
        self.removeNode(node)
        return node