共计 1377 个字符，预计需要花费 4 分钟才能阅读完成。
目前市面上“亲戚关系”算法次要采纳：称呼 - 间接关系 - 称呼的形式查找
数据结构
'爸爸': {
'爸爸': '爷爷',
'妈妈': '奶奶',
'哥哥': '伯父',
'弟弟': '叔叔',
'姐姐': '姑妈',
'妹妹': '姑妈',
'丈夫': '未知',
'妻子': '妈妈',
'儿子': {'older': '哥哥', 'middle': '我', 'younger': '弟弟'},
'女儿': {'older': '姐姐', 'middle': '我', 'younger': '妹妹'}
}这样的构造次要有以下问题：
1. 无奈间接查问如：“舅妈的婆婆”这样的复合关系；
2. 称呼无奈逆向查问，如：“表哥的妈妈”的妈妈是“舅妈”、“姨妈”还是“姑妈”？
3. 数据结构不好，数据臃肿。关注中会呈现多个“未知”
4. 无奈兼容多种称说，如：“爸爸”也能够叫“父亲”、“爹地”
5. 无奈进行关系拓扑，如：“舅妈”和我什么关系？
而我的这套算法才用的是：关系链 - 称呼汇合的形式查找
演示地址：亲戚称说计算器
我的项目地址：https://github.com/mumuy/relationship/
数据结构
‘h’:[‘ 老公 ’,’ 丈夫 ’,’ 学生 ’,’ 官人 ’,’ 男人 ’,’ 汉子 ’,’ 夫 ’,’ 夫君 ’,’ 相公 ’,’ 夫婿 ’,’ 爱人 ’,’ 老伴 ’],
‘h,f’:[‘ 公公 ’,’ 翁亲 ’,’ 老公公 ’],
每个称呼都能够找到相应的关系链，每个关系链同时有对应的称呼汇合，这里须要引入本人“创造”的非凡语法标记
语法阐明
【关系】f: 父,m: 母,h: 夫,w: 妻,s: 子,d: 女,xb: 兄弟,ob: 兄,lb: 弟,xs: 姐妹,os: 姐,ls: 妹
【修饰符】1: 男性,0: 女性,&o: 年长,&l: 年幼,#: 隔断,[a|b]: 并列
如：
“f” 对应着爸爸，那么：”f,m” 对应奶奶,”f,f” 对应着爷爷；
这样在查问关系的时候，只须要对关系链进行计算就好了，而不是对称呼进行字典查找
算法思路
1. 当用户输出“舅妈的婆婆”，能够合成出两个对象“舅妈”和“婆婆”（前者的婆婆）
2. 从“关系链 - 称呼汇合”映射关系可知，这两个对象的关系链别离是：”m,xb,w” 和 ”h,m”, 合并后的关系即：”m,xb,w,h,m”
3. 这时候关系链会呈现冗余，如：
“w,h” 示意“老婆的老公”, 即本人！能够间接将关系链简化成：”m,xb,m”。
同理，又呈现另外一层冗余，”xb,m” 示意“兄弟的妈妈”，即本人的妈妈！于是关系链能够进一步简化为：”m,m”
4. 这时候即把简单的关系链转换成间接关系了，间接查问“关系链 - 称呼汇合”映射关系就好
实现
1.“关系链 - 称呼汇合”映射关系能够通过 JSON 对象的键值对示意，即属性为对应关系链，值为称呼的汇合。键值对具备查问速度快的长处。
2. 关系链的简化计算能够用正则匹配的形式来实现，规定只需思考两层关系的简化，屡次解决直到不能再简化为止。
如：爸爸的老婆就是妈妈，兄弟的爸爸就是爸爸，老婆的老公就是本人等等
当然简化过程中还须要思考性别，和多可能性的存在
如：儿子的妈妈，当你为男性时代表你的妻子，当你是女性时就是你本人；妈妈的儿子，可能是你也可能是你兄弟，而当你为女性时，又只能是你兄弟。
这些都是要在正则表达式中匹配条件，而后替换解决！这就是为什么在本人的语法标记中引入【修饰符】的起因了。
‘#’: 隔断，分隔的是整条关系链
‘[a|b]’: 并列，分隔的是关系链中的繁多节点