实现lru算法

LRU（Least Recently Used）算法是一种常用的缓存淘汰算法，它会优先淘汰最近最少使用的数据，以保证缓存中的数据是最有用的。下面是一份基于双向链表和哈希表的LRU算法实现代码：

class Node:
    def __init__(self, key=None, value=None):
        self.key = key
        self.value = value
        self.prev = None
        self.next = None


class LRUCache:
    def __init__(self, capacity: int):
        self.capacity = capacity
        self.cache = {}
        self.head = Node()
        self.tail = Node()
        self.head.next = self.tail
        self.tail.prev = self.head

    def get(self, key: int) -> int:
        if key in self.cache:
            node = self.cache[key]
            self._move_to_head(node)
            return node.value
        else:
            return -1

    def put(self, key: int, value: int) -> None:
        if key in self.cache:
            node = self.cache[key]
            node.value = value
            self._move_to_head(node)
        else:
            if len(self.cache) == self.capacity:
                tail = self._pop_tail()
                del self.cache[tail.key]
            node = Node(key, value)
            self.cache[key] = node
            self._add_to_head(node)

    def _move_to_head(self, node: Node) -> None:
        self._remove_node(node)
        self._add_to_head(node)

    def _remove_node(self, node: Node) -> None:
        node.prev.next = node.next
        node.next.prev = node.prev

    def _add_to_head(self, node: Node) -> None:
        node.prev = self.head
        node.next = self.head.next
        self.head.next.prev = node
        self.head.next = node

    def _pop_tail(self) -> Node:
        node = self.tail.prev
        self._remove_node(node)
        return node

LRUCache类中的cache属性是一个哈希表，用于快速查询某个key是否在缓存中。head和tail分别是双向链表的头尾节点，它们的next和prev属性分别指向下一个和上一个节点。_move_to_head、_remove_node和_add_to_head方法分别用于移动节点、删除节点和添加节点，它们都是对双向链表进行操作的方法。_pop_tail方法用于删除尾节点。

在get方法中，如果key存在于哈希表中，就将对应的节点移动到链表头部，并返回节点的value。如果key不存在于哈希表中，就返回-1。

在put方法中，如果key存在于哈希表中，就更新对应节点的value，并将其移动到链表头部。如果key不存在于哈希表中，就需要先判断缓存是否已满，如果已满，则需要先删除最近最少使用的节点（即尾节点），然后再添加新节点到链表头部。如果缓存未满，则直接将新节点添加到链表头部。