集合(Set)
集合（set）是一个无序不重复元素的序列。
基本功能是进行成员关系测试和删除重复元素。
可以使用大括号 { } 或者 set() 函数创建集合，注意：创建一个空集合必须用 set() 而不是 { }，因为 { } 是用来创建一个空字典。
集合使用
parame = {value01,value02,...}
或者
set(value)
集合数据类型的核心在于自动去重。很多时候，这能给你省不少事。
>>> s = set([1,1,2,3,3,4]) >>> s {1, 2, 3, 4} # 自动去重 >>> set("it is a nice day") # 对于字符串，集合会把它一个一个拆开，然后去重 {'s', 'e', 'y', 't', 'c', 'n', ' ', 'd', 'i', 'a'}
通过add(key)方法可以添加元素到set中，可以重复添加，但不会有效果：
>>> s = {1, 2, 3, 4}
>>> s
{1, 2, 3, 4}
>>> s.add(5)
>>> s
{1, 2, 3, 4, 5}
>>> s.add(5)
>>> s
{1, 2, 3, 4, 5}
可以通过update()方法，将另一个对象更新到已有的集合中，这一过程同样会进行去重。
>>> s {1, 2, 3, 4, 5} >>> s.update("hello") >>> s {1, 2, 3, 4, 5, 'e', 'o', 'l', 'h'}
通过remove(key)方法删除指定元素，或者使用pop()方法。注意，集合的pop方法无法设置参数，删除指定的元素：
>>> s {1, 2, 3, 4, 5, 'e', 'o', 'l', 'h'} >>> s.remove("l") >>> s {1, 2, 3, 4, 5, 'e', 'o', 'h'} >>> s.pop() 1 >>> s {2, 3, 4, 5, 'e', 'o', 'h'} >>> s.pop(3) Traceback (most recent call last): File "<pyshell#22>", line 1, in <module> s.pop(3) TypeError: pop() takes no arguments (1 given)
除了add、clear、copy、pop、remove、update等集合常规操作，剩下的全是数学意义上的集合操作，交并差等等。
对集合进行交并差等，既可以使用union一类的英文方法名，也可以更方便的使用减号表示差集，“&”表示交集，“|”表示并集。看看下面的例子：
>>> basket = {'apple', 'orange', 'apple', 'pear', 'orange', 'banana'}
>>> print(basket) # 删除重复的
{'orange', 'banana', 'pear', 'apple'}
>>> 'orange' in basket # 检测成员
True
>>> 'crabgrass' in basket
False
>>> # 以下演示了两个集合的交、并、差操作
>>> a = set('abracadabra')
>>> b = set('alacazam')
>>> a # a 中唯一的字母
{'a', 'r', 'b', 'c', 'd'}
>>> a - b # 在 a 中的字母，但不在 b 中
{'r', 'd', 'b'}
>>> a | b # 在 a 或 b 中的字母
{'a', 'c', 'r', 'd', 'b', 'm', 'z', 'l'}
>>> a & b # 在 a 和 b 中都有的字母
{'a', 'c'}
>>> a ^ b # 在 a 或 b 中的字母，但不同时在 a 和 b 中
{'r', 'd', 'b', 'm', 'z', 'l'}
集合数据类型属于Python内置的数据类型，但不被重视，在很多书籍中甚至都看不到一点介绍。其实，集合是一种非常有用的数据结构，它的去重和集合运算是其它内置类型都不具备的功能，在很多场合有着非常重要的作用，比如网络爬虫。
我们都知道爬虫需要发散链接，一个页面连着另一个页面，不断爬取所有的超级链接，才能把整个站点爬取下来。然而在成千上万个页面链接中，有很大一部分可能是重复的链接或者循环互链，如果不对链接进行去重处理，那么爬虫要么陷入死循环内，要么就是出现错误。这个时候可以用集合的去重功能，保留一个曾经爬过页面的不重复的元素集合，每爬一个新链接，看看集合里是否曾经爬过，没有就开始爬，并将链接加入集合，爬过就忽略当前链接。在这里，用集合远比用列表或者字典要来得高效、节省得多。