JS数组交集:filter与includes基础实现

作者:半夏时间:2026-11-22 09:51:53浏览:257

深入解析JavaScript中利用filter与includes实现数组交集的基础方法,包含完整执行过程拆解、代码示例、对象引用与重复项避坑指南及性能边界分析。

主题:JavaScript 原生数组运算 适用环境:ECMAScript 2016 (ES7) 及以上 复杂度:O(N × M)

在 JavaScript 日常业务开发中,计算两个数组的交集(即找出同时存在于两个数组中的元素)是一项高频基础需求。最直观、易读且无需引入任何外部依赖的实现方式,就是组合使用数组原生的 filter 与 includes 方法。本文将从核心语法切入,详细拆解这一实现的内部工作原理、执行步骤、常见陷阱(重复项与引用类型),并给出清晰的性能适用边界。

JS数组交集:filter与includes基础实现
图 0:JavaScript 数组交集核心概念与逻辑交叠示意图

一、核心语法与基础代码实现

求交集操作的本质是一个“遍历并筛选”的过程:以第一个数组为主体逐项筛选,同时在第二个数组中确认当前项是否已经存在。若存在则保留,反之则舍弃。

filter 负责创建由通过测试的所有元素组成的新数组,而 includes 负责判断数组是否包含某个指定值并返回布尔值。两者的结合形成了一行精简的交集求解器:

// 基础交集实现函数
function getIntersection(arr1, arr2) {
  return arr1.filter(item => arr2.includes(item));
}

// 声明测试用例数据
const listA = [1, 2, 3, 4, 5];
const listB = [3, 4, 5, 6, 7];

const commonElements = getIntersection(listA, listB);
console.log(commonElements);
示例输出: [ 3, 4, 5 ]

在上面的示例中,listA 中仅有数字 3, 4, 5 同时存在于 listB 中,因此最终得到包含这三个元素的新数组。原数组 listA 与 listB 在整个过程中均不会被修改,保证了函数的纯洁性与数据不可变性。

二、分步执行过程与内部机制拆解

为了透彻理解这段代码在底层是如何运行的,我们将其拆解为五个确切的步骤。整个操作流程呈现为一个清晰的双层嵌套循环结构:

JS数组交集:filter与includes基础实现
图 1:filter 外部迭代与 includes 内部检索的执行步骤与流转图
  1. 接收参数:函数获取输入的基准数组 arr1 与比对目标数组 arr2。
  2. 启动 filter 遍历:arr1.filter 启动内置迭代器,从索引 0 开始依次取出元素赋值给形参 item。
  3. 触发 includes 检索:对于每一个 item,调用 arr2.includes(item)。此时 JavaScript 引擎在 arr2 内部从头到尾进行线性比对(使用 SameValueZero 比较算法)。
  4. 判定与分支筛选:若在 arr2 中找到了相同的值,includes 立即返回 true,filter 会将该 item 暂存入结果队列;若遍历完整数组未找到对应值,则返回 false,当前元素被跳过。
  5. 返回全新数组:当 arr1 的所有元素均遍历完毕后,filter 将收集到的全部符合条件元素打包为一个全新数组浅拷贝并返回。

三、核心注意事项与两大踩坑点

虽然 filter + includes 写法极其简明,但在实际生产环境中处理复杂数据时,有两处极其容易忽略的关键细节。

1. 数组含有重复项时的行为表现

需要特别注意:filter 是以第一个数组 arr1 为驱动基准的。如果 arr1 本身包含重复元素,只要该元素在 arr2 中存在,每一次遍历都会成功通过 includes 校验,从而导致最终交集结果也包含重复项。

// 重复项场景测试
const arrWithDupes1 = [1, 2, 2, 3, 4];
const arrWithDupes2 = [2, 3, 6];

const resultWithDupes = arrWithDupes1.filter(item => arrWithDupes2.includes(item));
console.log(resultWithDupes);
示例输出: [ 2, 2, 3 ]
处理对策:如果业务要求数学意义上的严格交集(即结果集元素唯一),应先对 arr1 进行去重,或者直接使用 Set:
const uniqueIntersection = [...new Set(arr1)].filter(item => arr2.includes(item));

2. 对象与引用类型的比对陷阱

includes 底层采用与严格相等 === 极为接近的 SameValueZero 规范比较。对于数字、字符串、布尔值等基本数据类型,它是直接比较具体字面量的值;但对于数组、普通对象等引用数据类型,它比对的是内存中的引用地址指针。

JS数组交集:filter与includes基础实现
图 2:基本类型值比对与对象引用地址比对机制差异解析
// 引用类型陷阱示例
const usersA = [{ id: 1, name: 'Alice' }, { id: 2, name: 'Bob' }];
const usersB = [{ id: 2, name: 'Bob' }, { id: 3, name: 'Charlie' }];

// 错误做法:直接使用 includes
const failedResult = usersA.filter(userA => usersB.includes(userA));
console.log(failedResult);
示例输出: [ ] (空数组,因为两个同结构对象的内存堆地址不相同)

正确解法:当处理对象数组时,应依据唯一的业务主键(例如 id)进行比对,将 includes 替换为 some:

// 正确做法:使用 some 按业务标识比对
const correctResult = usersA.filter(userA =>
  usersB.some(userB => userB.id === userA.id)
);
console.log(correctResult);
示例输出: [ { id: 2, name: 'Bob' } ]

四、性能瓶颈与时间复杂度考量

任何算法的选型都离不开对数据规模的权衡。arr1.filter(item => arr2.includes(item)) 之所以被称为“基础实现”,是因为它在提供最高易读性的同时,隐含着二次方级别的时间复杂度开销。

JS数组交集:filter与includes基础实现
图 3:不同数据规模下 filter+includes 与 Set 方案计算耗时对比
  • 时间复杂度分析:arr1.filter 需要迭代 N 次(N = arr1.length)。在每一次迭代中,arr2.includes 最多需要线性遍历 M 个元素(M = arr2.length)。因此总时间复杂度为 O(N × M)。如果两个数组长度相近(设为 K),复杂度则为 O(K²)。
  • 空间复杂度:除了存储最终交集的新数组外,整个过程没有额外开辟辅助映射表或数据结构,辅助空间复杂度为 O(1)。
  • 适用规模分界线:在现代 V8 等 JavaScript 引擎中,当 N, M < 1,000 时,双层循环的执行耗时通常低于 1 毫秒,体验极为流畅;但当数据规模增长至 10,000 以上时,比对次数达到亿级,会导致明显的界面卡顿。
大数据量优化建议:当数据量超过千级或交集计算位于高频动画/轮询中时,应当利用 ES6 的 Set。Set 的底层实现是哈希表,其 has 方法检索时间复杂度仅为 O(1):
const set2 = new Set(arr2);
const fastResult = arr1.filter(item => set2.has(item));

此优化方案将总体时间复杂度直接降为线性 O(N + M)。

五、方案选型矩阵与总结

在实际项目架构与日常编码中,可以根据数据形态(基本类型还是对象)、数据量级以及去重诉求,依据以下决策路径进行合理选型:

JS数组交集:filter与includes基础实现
图 4:JavaScript 数组交集全场景方案选型决策图
实现方式 时间复杂度 代码简洁度 支持对象数组 核心适用场景
filter + includes O(N × M) ★★★★★(一行代码) 否(仅基础类型) 数据量小于 1000、原型开发、轻量级日常比对
Set + filter + has O(N + M) ★★★★☆(清晰直接) 否(仅基础类型) 万级以上规模数据、高频密集运算、性能敏感型任务
filter + some O(N × M) ★★★★☆(语法直观) 是(指定唯一键) 中小规模对象数组按业务 ID 比对交集
Set(Map) + filter O(N + M) ★★★☆☆(需前置提取) 是(基于哈希键) 大规模复杂实体集合的高性能关联匹配

总结而言,filter + includes 是理解 JavaScript 数组高阶函数协同运作的绝佳范例。只要掌握好基本数据类型适用范围、留意重复项保留特征,并在面对海量数据时及时升级到 Set 哈希索引,就能在代码简洁度与执行性能之间取得最佳平衡。

作者最新文章
相关文章
更多