如何给Python轻应用添加新的组件:Python轻应用扩展适配介绍

简介: 如何给Python轻应用添加新的组件:Python轻应用扩展适配介绍
AliOS Things 3.3.0新版本中,其中非常中的一个特点,就是支持Python轻应用,也就是可以直接使用Python代码来写物联网程序,并且控制软件设备。

这是HaaS物联网设备云端一体Low Code开发框架的核心之一。

那本文讲介绍如何给Python轻应用添加新的组件,比如之前Python应用中没有操作ADC的组件,可以使用本文的方法去进行扩展适配,来增加这个ADC组件。

1、Python语言介绍

1.1、现状

2021年1月热门语言排行榜:Python荣获TIOBE年度之星排在第三名.(排名逼近第二JAVA)

1.2、特点

Python是基于C++创造的,它们的区别主要体现在,C++效率高,编程难;Python效率低,编程简单。

1.3、MicroPython 和Python 的关系

MicroPythonPython3编程语言的精简高效实现,包括Python标准库的一小部分,并且经过优化,可在微控制器和受限环境中运行。

1.4、MicroPython 功能特点和资源占用

MicroPython包含了诸如交互式提示,任意精度整数,关闭,列表解析,生成器,异常处理等高级功能。足够精简,适合运行在只有256k的代码空间和16k的RAM的芯片上(官网:https://micropython.org/)

2、适配

开发手册:
https://g.alicdn.com/HaaSAI/PythonDoc/quickstart/index.html

2.1、Python 适配涉及到的基础概念

  • netmgr ,driver 和python 的module 对应,ADC 和python Class 相对应
  • 可以只有module 的适配
  • Class 必须挂在module 下面

2.2 、Python 代码和C 代码关联方式

Module 定义的入口文件:components/py_engine/mpy-adaptor/system/mpconfigport.h

2.2.1、通过Python 的Module 进行关联

下面以netmgr 功能作为Module 方式关联C代码的例子讲解

代码路径:components/py_engine/mpy-adaptor/component/netmgr/modnetmgr.c

module结构变量定义:

模块对应的功能函数映射表:

具体的函数实现:

2.2.2、通过Python 的Module + Class 进行关联

下面以adc功能作为Module +Class 方式关联C代码的例子讲解

代码路径:

Module:components/py_engine/mpy-adaptor/system/moddriver.c

Class:components/py_engine/mpy-adaptor/system/driver/adc.c

模块定义:

Driver 模块包含了多个Class 的定义,adc,dac,owm,spi 等. 映射表为:

ADC Class 定义:

ADC 功能映射表格定义:

函数实现:

2.3、Python 代码和C代码字符对应关系

根据上面的讲解,大家应该基本上可以了解适配的过程,但是模块名,类名,变量名,函数名的字符是python 和C 是怎么关联起来的呢?

2.3.1 、映射关系在代码中的呈现形式

C 层字符:

Python层字符:

是通过映射的脚本:components/py_engine/mpy-adaptor/genhdr/gen_qstr.py 进行生成的, 生成的结果存放到文件:components/py_engine/mpy-adaptor/genhdr/qstrdefs.generated.h

操作方式:

3、目录结构

4、调试方法

开机默认会启动之前烧录进去的程序,打开串口工具,选择对应的串口设备,设置波特率为1500000 并连接。

Python轻应用默认支持两种运行模式: 交互式文件执行,在串口下输入不同的命令进入不同的模式

4.1、交互式调试

命令行输入python进入交互模式,在交互模式输入python代码,就能看到执行结果。键盘按下ctrl+d 退出交互模式

4.2 、文件执行调试

命令行输入python /data/python-apps/driver/led/main.py,执行led app

python /data/python-apps/driver/led/main.py

效果:

示例代码:


 
  1. # -*- coding: UTF-8 -*-
  2. import utime
  3. from driver import GPIO
  4. # 初始化GPIO 类
  5. gpio = GPIO()
  6. leds=( "led1", "led2", "led3", "led4", "led5")
  7. for i in range( 5):
  8. for led in leds:
  9. #open 函数支持的参数列表: led1, led2, led3, led4, led5
  10. gpio.open(led)
  11. #点亮led
  12. gpio.write( 0)
  13. utime.sleep_ms( 200)
  14. #熄灭led
  15. gpio.write( 1)
  16. utime.sleep_ms( 200)
  17. gpio.close()

5、加入我们

相关文章
|
24天前
|
存储 数据采集 人工智能
Python编程入门:从零基础到实战应用
本文是一篇面向初学者的Python编程教程,旨在帮助读者从零开始学习Python编程语言。文章首先介绍了Python的基本概念和特点,然后通过一个简单的例子展示了如何编写Python代码。接下来,文章详细介绍了Python的数据类型、变量、运算符、控制结构、函数等基本语法知识。最后,文章通过一个实战项目——制作一个简单的计算器程序,帮助读者巩固所学知识并提高编程技能。
|
1月前
|
人工智能 安全 Java
Java和Python在企业中的应用情况
Java和Python在企业中的应用情况
55 7
|
1月前
|
机器学习/深度学习 Python
堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能
本文深入探讨了堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能。文章详细介绍了堆叠的实现步骤,包括数据准备、基础模型训练、新训练集构建及元学习器训练,并讨论了其优缺点。
56 3
|
1月前
|
机器学习/深度学习 算法 数据挖掘
线性回归模型的原理、实现及应用,特别是在 Python 中的实践
本文深入探讨了线性回归模型的原理、实现及应用,特别是在 Python 中的实践。线性回归假设因变量与自变量间存在线性关系,通过建立线性方程预测未知数据。文章介绍了模型的基本原理、实现步骤、Python 常用库(如 Scikit-learn 和 Statsmodels)、参数解释、优缺点及扩展应用,强调了其在数据分析中的重要性和局限性。
64 3
|
1月前
|
存储 监控 安全
如何在Python Web开发中确保应用的安全性?
如何在Python Web开发中确保应用的安全性?
|
2天前
|
算法 数据处理 Python
高精度保形滤波器Savitzky-Golay的数学原理、Python实现与工程应用
Savitzky-Golay滤波器是一种基于局部多项式回归的数字滤波器,广泛应用于信号处理领域。它通过线性最小二乘法拟合低阶多项式到滑动窗口中的数据点,在降噪的同时保持信号的关键特征,如峰值和谷值。本文介绍了该滤波器的原理、实现及应用,展示了其在Python中的具体实现,并分析了不同参数对滤波效果的影响。适合需要保持信号特征的应用场景。
35 11
高精度保形滤波器Savitzky-Golay的数学原理、Python实现与工程应用
|
1月前
|
存储 人工智能 搜索推荐
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
Memoripy 是一个 Python 库,用于管理 AI 应用中的上下文感知记忆,支持短期和长期存储,兼容 OpenAI 和 Ollama API。
97 6
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
|
1月前
|
存储 前端开发 API
Python在移动应用开发中的应用日益广泛
Python在移动应用开发中的应用日益广泛
52 10
|
27天前
|
缓存 开发者 Python
深入探索Python中的装饰器:原理、应用与最佳实践####
本文作为技术性深度解析文章,旨在揭开Python装饰器背后的神秘面纱,通过剖析其工作原理、多样化的应用场景及实践中的最佳策略,为中高级Python开发者提供一份详尽的指南。不同于常规摘要的概括性介绍,本文摘要将直接以一段精炼的代码示例开篇,随后简要阐述文章的核心价值与读者预期收获,引领读者快速进入装饰器的世界。 ```python # 示例:一个简单的日志记录装饰器 def log_decorator(func): def wrapper(*args, **kwargs): print(f"Calling {func.__name__} with args: {a
38 2
|
27天前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来编程:Python在人工智能领域的深度应用与前景###
本文将深入探讨Python语言在人工智能(AI)领域的广泛应用,从基础原理到前沿实践,揭示其如何成为推动AI技术创新的关键力量。通过分析Python的简洁性、灵活性以及丰富的库支持,展现其在机器学习、深度学习、自然语言处理等子领域的卓越贡献,并展望Python在未来AI发展中的核心地位与潜在变革。 ###