昨天我們測試過最基本的搜尋功能沒問題，但是多測試幾次後發現，有時候會出現很多個一樣的題目，是轉換出錯了？還是題目重複出現了？

在轉換pdf的時候，已經加入一些條件避免出錯了，先檢查是不是題目重複出現，在題目後面加上考試時間檢查。

<p><strong>題目：</strong> {{ result.question_text }} {{ result.exam_date }}</p>

發現原來是不同考試時間出現一樣的題目，那重複的題目怎麼辦？考古題裡題目重複出現代表這可能是常考題，如果未來想要分析考題，希望可以把來源檔案合併，只保留一個題目。

// 希望合併後的樣子，考試時間和來源檔案基本相同改為只保留來源檔案
"題目": "對於常用的醫學詞彙及編碼標準的敘述，下列何者錯誤？",
"選項": [
    "ICD是世界衛生組織應用於收集和處理罹病及死亡統計的編碼系統",
    "DRGs是醫學詞彙系統中完整性、彈性及表達力之首選",
    "LOINC是應用在實驗室檢驗的代碼標準",
    "UMLS是美國醫學圖書館(NLM)所建立的醫學詞彙標準"
],
"答案": "DRGs是醫學詞彙系統中完整性、彈性及表達力之首選",
"來源書籍": "醫學資訊管理學",
"頁次": "68",
"來源檔案": [
    "2024年4月.pdf",
    "2024年11月.pdf",
    "2023年11月.pdf"
]

網路上有很多方法可以去除重複資料，其中最簡單的方法是用set，但我需要保留重複題目的來源檔案，所以最後我參考了如何在 Python 中有效使用字典進行去重：2025 最新教學，用dict配合set來處理。

dict是什麼？
dict(dictionary)是一種python內建資料結構，由key來索引，key可以是數字、字串或是任何不可變的型態。

▍程式碼

def merge_questions(json_path):
    with open(json_path, 'r', encoding='utf-8') as f:
        data = json.load(f)

    merged = {} # dict

    for q in data:
        key = (q["題目"], q["答案"]) # 以題目和答案作為key，這裡的資料類型是tuple，是不可變的
        if key not in merged:
            merged[key] = {
                "題目": q["題目"],
                "選項": q["選項"],
                "答案": q["答案"],
                "來源書籍": q.get("來源書籍", ""),
                "頁次": q.get("頁次", ""),
                "來源檔案": set([q.get("來源檔案")]) if q.get("來源檔案") else set(),
            }
        else:
            # 出現重複題目，合併題目只保留來源檔案。
            if q.get("來源檔案"):
                if isinstance(q["來源檔案"], list): 
                    merged[key]["來源檔案"].update(q["來源檔案"])
                else:
                    merged[key]["來源檔案"].add(q["來源檔案"])

    # 把set轉回list
    merged_list = []
    for v in merged.values():
        v["來源檔案"] = list(v["來源檔案"])
        merged_list.append(v)

    # 重新寫入json
    with open(json_path, 'w', encoding='utf-8') as f:
        json.dump(merged_list, f, ensure_ascii=False, indent=4)

    print(f"合併完成，共 {len(merged_list)} 題，已輸出至 {json_path}")

tuple是什麼？
tuple通常用來儲存異質的元素序列，可以同時儲存不同的資料結構，不可變。