Python--配置文件优化

简介: Python--配置文件优化

前言

之前了解过了配置文件的简单使用,本章主要讲一些封装之类的操作。

简单封装

封装麻,可以提高代码复用性,也可以提高代码的可阅读性,更可以体现出写代码人的代码编写能力。当然也可以写一些迷惑性的封装整蛊后续接手项目的人(不建议!)。先扯到这,一起看看简单的封装!


「YAML配置文件」

"""yaml"""
import yaml
def SQL():
    with open("config.yaml",encoding='utf8') as r:
        data = yaml.load(r,Loader=yaml.FullLoader)
        return data

「INI配置文件」

import configparser
def INIREAD():
    conf = configparser.ConfigParser()
    conf.read('config.ini',encoding='utf-8')
    case_value = conf.get('SQL','host')
    return case_value

「TOML配置文件」

def TOML():
    to = toml.load('config,toml')
    return to


暂时举例上面三个,看过前面文章的,学会举一反三。

优化封装

「如何优化封装?」看上述,都有一个固定的东西需要填写,那就是路径。所以我们可以将路径写成「参数」的形式的,进行参数化。

「TOML配置文件优化」

import toml
def TOML(PATH: str):
    return toml.load(PATH)
to = TOML('config,toml')
print(to)

「再看ini配置文件,有路径,有参数,那么如何才能做到灵活呢,例如:我想传入一个参数提取配置文件对应的内容。也是参数化」

def INIREAD(PATH: str, Key: str, value: str):
    conf = configparser.ConfigParser()
    conf.read(PATH, encoding='utf-8')
    case_value = conf.get(Key, value)
    return case_value
INI = INIREAD('config.ini','SQL','host')
print(INI)

其实ini配置文件这样编写个人感觉也没有太多的可便捷性,因为本身需要传入的参数较多。


「再看看Yaml配置文件。跟toml配置文件并无太多的差异」

import yaml
def SQL(Path:str):
    with open(Path,encoding='utf8') as r:
        data = yaml.load(r,Loader=yaml.FullLoader)
        return data
s = SQL('config.yaml')
print(s)

小结



这样写完你认为可以了吗?



「还可以写一些异常情况捕捉,例如:路径写错了导致文件不存在的报错,如何更友好的告诉自己或者他人,这个文件不存在呢?」

「此外就是空数据以及一些数据格式的问题处理了。对于此类问题,可以看看后续的内容,都会提及。」

目录
相关文章
|
3月前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品加工优化的深度学习模型
使用Python实现智能食品加工优化的深度学习模型
246 59
|
4月前
|
Web App开发 前端开发 JavaScript
探索Python科学计算的边界:利用Selenium进行Web应用性能测试与优化
【10月更文挑战第6天】随着互联网技术的发展,Web应用程序已经成为人们日常生活和工作中不可或缺的一部分。这些应用不仅需要提供丰富的功能,还必须具备良好的性能表现以保证用户体验。性能测试是确保Web应用能够快速响应用户请求并处理大量并发访问的关键步骤之一。本文将探讨如何使用Python结合Selenium来进行Web应用的性能测试,并通过实际代码示例展示如何识别瓶颈及优化应用。
226 5
|
22天前
|
存储 缓存 Java
Python高性能编程:五种核心优化技术的原理与Python代码
Python在高性能应用场景中常因执行速度不及C、C++等编译型语言而受质疑,但通过合理利用标准库的优化特性,如`__slots__`机制、列表推导式、`@lru_cache`装饰器和生成器等,可以显著提升代码效率。本文详细介绍了这些实用的性能优化技术,帮助开发者在不牺牲代码质量的前提下提高程序性能。实验数据表明,这些优化方法能在内存使用和计算效率方面带来显著改进,适用于大规模数据处理、递归计算等场景。
58 5
Python高性能编程:五种核心优化技术的原理与Python代码
|
1月前
|
存储 数据挖掘 数据处理
Python Pandas入门:行与列快速上手与优化技巧
Pandas是Python中强大的数据分析库,广泛应用于数据科学和数据分析领域。本文为初学者介绍Pandas的基本操作,包括安装、创建DataFrame、行与列的操作及优化技巧。通过实例讲解如何选择、添加、删除行与列,并提供链式操作、向量化处理、索引优化等高效使用Pandas的建议,帮助用户在实际工作中更便捷地处理数据。
45 2
|
3月前
|
数据采集 存储 算法
Python 中的数据结构和算法优化策略
Python中的数据结构和算法如何进行优化?
|
4月前
|
机器学习/深度学习 数据采集 TensorFlow
智能市场营销策略优化:使用Python实现深度学习模型
【10月更文挑战第1天】 智能市场营销策略优化:使用Python实现深度学习模型
225 63
|
2月前
|
缓存 大数据 C语言
python优化
python优化
50 5
|
3月前
|
机器学习/深度学习 数据采集 运维
使用 Python 实现深度学习模型:智能食品生产线优化
使用 Python 实现深度学习模型:智能食品生产线优化
80 13
|
3月前
|
机器学习/深度学习 自然语言处理 语音技术
Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧
本文介绍了Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧,并通过TensorFlow和PyTorch等库展示了实现神经网络的具体示例,涵盖图像识别、语音识别等多个应用场景。
111 8
|
3月前
|
机器学习/深度学习 数据采集 供应链
使用Python实现智能食品供应链优化的深度学习模型
使用Python实现智能食品供应链优化的深度学习模型
69 8

热门文章

最新文章