本文介绍一种可扩展、结构清晰的方法，通过路径映射与递归查找，从深层嵌套字典中精准提取多级键值（如 udsDtcValue、description），并严格遵循预定义 Header 模板生成标准化新字典，支持任意子键列表与动态字段映射。
本文介绍一种可扩展、结构清晰的方法，通过路径映射与递归查找，从深层嵌套字典中精准提取多级键值（如 `udsdtcvalue`、`description`），并严格遵循预定义 header 模板生成标准化新字典，支持任意子键列表与动态字段映射。
在汽车诊断数据处理（如 UDS/DTC 解析）等场景中，原始嵌套字典结构复杂、层级深且不统一，而下游系统常要求固定 Schema 的扁平化或模板化输出。直接使用多层 dict[key1][key2]... 访问不仅脆弱（易因缺失键抛错），也难以适配不同字段的来源路径差异（例如 udsDtcValue 和 failure_name 分别位于 'identification' 和 'functional_conditions' 下）。因此，需设计一种路径驱动 + 模板对齐的构建策略。
核心思路分为三步：
- 路径抽象化：为 Header 中每个顶层字段（如 'DiagnosticTroubleCodeUds'）预定义其在源嵌套字典中的逻辑路径前缀（如 ['identification']）；
- 动态路径拼接：对每个 sub_key（如 '0x930001'），组合基础路径 ['candela_samples_generic', 'drc_dtcs', 'dtc_all', sub_key] + 映射路径 + 目标字段名，形成完整访问链；
- 安全递归取值：使用 get_value_from_nested_dict() 逐级 .get()，避免 KeyError，返回 None 表示路径中断或值不存在。
以下是完整实现：
def get_value_from_nested_dict(nested_dict, path):
"""安全获取嵌套字典中指定路径的值，任一环节缺失即返回 None"""
for key in path:
if not isinstance(nested_dict, dict) or key not in nested_dict:
return None
nested_dict = nested_dict[key]
return nested_dict
def create_new_dict(nested_dict, header, subkey_list):
"""
根据 Header 模板和 SubkeyList，从 nested_dict 提取字段并构建新字典
:param nested_dict: 原始深层嵌套字典
:param header: 定义目标结构的模板字典（含字段分组与占位）
:param subkey_list: 待处理的子键列表（如 DTC 码列表）
:return: 符合 Header 结构的新字典
"""
# 初始化结果字典，保持顶层结构（如 'dtc_all'）
new_dict = {}
for top_key in header:
new_dict[top_key] = {}
# 字段路径映射表：Header 键 → 其在源字典中的相对路径（不含基础路径）
path_mappings = {
'DiagnosticTroubleCodeUds': ['identification'],
'dtcProps': ['identification'],
'DiagnosticTroubleCodeObd': ['functional_conditions']
}
# 遍历每个子键（如 '0x930001'）
for sub_key in subkey_list:
sub_dict_structure = {}
# 遍历 Header 中该顶层键下的所有分组（如 'DiagnosticTroubleCodeUds'）
for header_key, inner_template in header['dtc_all'].items():
header_sub_dict = {}
# 遍历该分组内每个待填充字段（如 'udsDtcValue', 'description'）
for inner_key in inner_template.keys():
# 构建完整访问路径：基础路径 + 映射路径 + 字段名
base_path = ['candela_samples_generic', 'drc_dtcs', 'dtc_all', sub_key]
specific_path = path_mappings.get(header_key, [])
full_path = base_path + specific_path + [inner_key]
value = get_value_from_nested_dict(nested_dict, full_path)
if value is not None:
header_sub_dict[inner_key] = value
# 仅当该分组有有效字段时才写入
if header_sub_dict:
sub_dict_structure[header_key] = header_sub_dict
# 将当前子键的结果写入顶层结构
if sub_dict_structure:
new_dict['dtc_all'][sub_key] = sub_dict_structure
return new_dict
关键注意事项：
- ✅ 路径健壮性：get_value_from_nested_dict 使用 isinstance(..., dict) 和 key in dict 双重检查，杜绝 TypeError 或 KeyError；
- ✅ 结构保序性：遍历 header['dtc_all'].items() 保持原始键顺序（Python 3.7+ 字典有序），确保输出字段顺序与模板一致；
- ✅ 可扩展性：新增字段分组（如 'ExtendedInfo'）只需在 path_mappings 中补充映射，并在 Header 中定义对应结构；
- ⚠️ 基础路径硬编码：示例中 base_path 固定为 ['candela_samples_generic', 'drc_dtcs', 'dtc_all', sub_key]，实际项目建议将其参数化或从配置读取，以提升复用性；
- ⚠️ None 值处理：当前逻辑跳过 None 值，若需保留空字段占位，可修改 if value is not None: 为 header_sub_dict[inner_key] = value。
最终调用示例：
New_Dict = create_new_dict(Nested_Dict, Header, SubkeyList) # 输出结构严格匹配预期，且字段值准确来自嵌套源
此方案将“结构定义”（Header）、“路径逻辑”（path_mappings）与“数据提取”（get_value_from_nested_dict）解耦，既保障了代码可维护性，又为多源异构诊断数据的标准化转换提供了可靠范式。
