YAML 在Python中的配置应用

简介: 环境搭建YAML语法语法规则数据结构列表数组原子量YAML应用案例loaddump总结YAML是一个堪比XML,JSON数据格式的更加方便,简洁的,易于人眼阅读的序列化数据格式。

YAML是一个堪比XML,JSON数据格式的更加方便,简洁的,易于人眼阅读的序列化数据格式。在很多的脚本语言中都有涉及,下面以其在Python语言中为例,简单的记录一下,以备今后复习所用。


环境搭建

这貌似是所有试验的开场白了,那就是搭建好本次试验的环境。因为Python解析的时候,需要解析器的支持,所以需要安装一个。

下载地址:http://pyyaml.org/wiki/PyYAML
下载解析器支持

博主的为windows64位,所以选择途中箭头所示的版本。具体要依照个人情况而定。

安装是否成功的验证方法就是打开Python解释器,import一下即可。若出现下图,那么恭喜,环境搭建完毕了。
验证yaml环境是否安装成功

YAML语法

提及到语法层面,就得严肃认真一点了。之前看过阮一峰老师关于YAML在JavaScript中的应用,对比在Python中的应用,原理其实是一致的。可以参考一下:

语法规则

总的来说,语法没什么难度,也是人们司空见惯的了。
- 大小写敏感
- 使用缩进表示层级关系
- 缩进时不允许使用Tab键,只允许使用空格。
- 缩进的空格数目不重要,只要相同层级的元素左侧对齐即可

另外,和Python的注释方式一样,以#号作为注释符,很人性化了吧。

数据结构

YAML本身语法很简单,但是却可以基于此实现比较强大的配置功能。思考一下,作为一个配置文件,可能出现的情况有哪些?

  • 一连串类型一致的数据?
  • 基本的数据类型?
  • key-value组合?

其实,认真的思考一下就会明白了。YAML不是一个凭空捏造的数据格式,而是经过了实际考验的人性化设计的一套规范。针对上面的问题,答案就是YAML本身支持的数据结构了,也很好记忆。

  • 列表,数组(一串类型相同或者不同的组合)
  • 纯量(类似于原子性,不可再分)
  • 对象(键值对的组合,一对一的特性)

列表,数组

类比Python语言,YAML性质与其保持一致。但是书写方式上来说嘛,也可以是不一致的。大致有如下两种:

  • []式:
['数组1','数组2','数组3','数组4','数组5']
  • 竖-式:
- 数组1
- 数组2
- 数组3
- 数组4
- 数组5

注意好符合一开始讲的,语法规则即可。

原子量

也即是纯量,不能再细分的数据结构。类比其他的编程语言,YAML也充分地考虑到了这一点。

  • 数值型: 直接书写即可。不区分整型还是浮点型。

  • 字符串: 字符串可以加引号,也可以不加。还有相关于换行什么的更多特殊的用法,这里强烈建议阅读以下阮一峰老师的这篇文章:
    http://www.ruanyifeng.com/blog/2016/07/yaml.html?f=tt

    • 单引号内会自动的转义特殊字符,对单引号转义是使用两个单引号,其表示一个原生的单引号。
    • 双引号内保持原字符不变。
  • 日期,时间:

    • 时间: ISO8601 格式。如2001-12-14t21:59:43.10-05:00
    • 日期: 采用复合 iso8601 格式的年、月、日表示。如1970-01-01
  • 关于强制类型转换: 可以通过两个英文感叹号+新的数据类型的方式来进行强制的类型转换。

如:

e: !!str 123
f: !!str true

将变为:

{ e: '123', f: 'true' }

除此简单的介绍之外,YAML还有很多更为奇妙的语法,但是掌握了这些基础的使用,写一个配置文件基本上就够用了。如果有兴趣的话,可以在深入的研究一下。

YAML应用

这里主要是记录一下YAML在Python语言中的应用。类比于json库,yaml库与其有惊人的相似之处。一个load方法,一个dump方法。顾名知义,也比较的好理解。

案例

下面是从网上找的一个简单的按照YAML语法书写的一个文件,将作为待会的源来使用。

name: Tom Smith
age: 37
spouse:
    name: Jane Smith
    age: 25
children:
 - name: Jimmy Smith
   age: 15
 - name1: Jenny Smith
   age1: 12

load

# coding:utf-8
import sys

reload(sys)
sys.setdefaultencoding('utf8')
#    __author__ = '郭 璞'
#    __date__ = '2016/10/31'
#    __Desc__ = YAML 在Python中的应用

import yaml

stream = file('example.yaml', 'r')
data = yaml.load(stream)
print data['children'][0]['name']


所得结果为:

Jimmy Smith

理解层面以Python中的dict来理解即可。

dump

# coding:utf-8
import sys

reload(sys)
sys.setdefaultencoding('utf8')
#    __author__ = '郭 璞'
#    __date__ = '2016/10/31'
#    __Desc__ = YAML 在Python中的应用

import yaml

s = 'I have an apple'
print yaml.dump(s)

lists = ['zhangsan', 'lisi', 'wangwu', 'zhaoliu']
print yaml.dump(lists)


class Person(object):
    def __init__(self, name, age):
        self.name = name
        self.age = age

p1 = Person('zhangsan', 19)
p2 = Person('lisi', 20)
p3 = Person('wangwu', 21)

persons = [p1, p2, p3]

print yaml.dump(persons)


运行结果:

I have an apple
...

[zhangsan, lisi, wangwu, zhaoliu]

- !!python/object:__main__.Person {age: 19, name: zhangsan}
- !!python/object:__main__.Person {age: 20, name: lisi}
- !!python/object:__main__.Person {age: 21, name: wangwu}

同样的,这里也可以看到强制类型转换的身影。

总结

这样的话,类比json库的学习,yaml库也可以很好的被应用了。
使用这样的方式可以最大限度的解耦和代码,实现更高的可移植性。

同样,写配置文件也不一定要用YAML,还可以有很多的选择,比如ConfigParser了, .ini了,还可以自定义(借助于正则表达式做好相关的存取即可)。

没有哪种是最好的,只有适合的才是最好的。在不同的场合选择适合自己的配置文件的书写方式即可。

(^__^) 嘻嘻……

目录
相关文章
|
10天前
|
JSON Kubernetes API
深入理解Kubernetes配置:编写高效的YAML文件
深入理解Kubernetes配置:编写高效的YAML文件
|
4天前
|
数据采集 存储 数据挖掘
深入探索 Python 爬虫:高级技术与实战应用
本文介绍了Python爬虫的高级技术,涵盖并发处理、反爬虫策略(如验证码识别与模拟登录)及数据存储与处理方法。通过asyncio库实现异步爬虫,提升效率;利用tesseract和requests库应对反爬措施;借助SQLAlchemy和pandas进行数据存储与分析。实战部分展示了如何爬取电商网站的商品信息及新闻网站的文章内容。提醒读者在实际应用中需遵守法律法规。
113 66
|
4天前
|
SQL 数据采集 数据可视化
深入 Python 数据分析:高级技术与实战应用
本文系统地介绍了Python在高级数据分析中的应用,涵盖数据读取、预处理、探索及可视化等关键环节,并详细展示了聚类分析、PCA、时间序列分析等高级技术。通过实际案例,帮助读者掌握解决复杂问题的方法,提升数据分析技能。使用pandas、matplotlib、seaborn及sklearn等库,提供了丰富的代码示例,便于实践操作。
110 64
|
1天前
|
设计模式 监控 Python
探索Python中的装饰器及其应用
本文旨在深入探讨Python中一个非常强大且灵活的特性——装饰器(Decorators)。装饰器允许我们修改或扩展一个函数或方法的行为,而无需永久性地修改其代码。这一特性在实现代码复用、日志记录、权限验证等方面表现出了极大的灵活性和便利性。文章首先介绍装饰器的基本概念和定义方式,然后通过具体的代码示例展示如何使用装饰器来增强现有函数的功能。最后,讨论装饰器的高级应用,包括带参数的装饰器、多层装饰以及与类方法的结合使用等,帮助读者全面理解并有效利用这一工具。
|
4天前
|
监控 数据安全/隐私保护 Python
探索Python装饰器的本质与应用
本文深入探讨了Python中装饰器(Decorator)的工作原理、实际应用及其在软件开发中的重要性。通过浅显易懂的语言解释什么是装饰器,如何创建和运用装饰器来增强函数和类的功能。同时,文章还涵盖了一些高级主题,如带参数的装饰器、多层装饰以及装饰器的实际应用案例,帮助读者更全面地理解和掌握这一强大的编程工具。
8 1
|
11天前
|
数据可视化 Python
Python绘制基频曲线——实例解析与应用探讨
Python绘制基频曲线——实例解析与应用探讨
33 9
|
10天前
|
关系型数据库 MySQL Go
go抽取mysql配置到yaml配置文件
go抽取mysql配置到yaml配置文件
|
8天前
|
数据挖掘 Python
【Python】应用:pyproj地理计算库应用
这篇博客介绍了 `pyproj` 地理计算库的应用,涵盖地理坐标系统转换与地图投影。通过示例代码展示了如何进行经纬度与UTM坐标的互转,并利用 `pyproj.Geod` 计算两点间的距离及方位角,助力地理数据分析。 安装 `pyproj`:`pip install pyproj`。更多内容欢迎关注本博客,一起学习进步! Pancake 🍰 不迷路。😉*★,°*:.☆( ̄▽ ̄)/$:*.°★* 😏
13 1
|
9天前
|
存储 数据安全/隐私保护 Python
Python常用数据结构——字典的应用
Python常用数据结构——字典的应用
11 2
|
12天前
|
JavaScript 前端开发 UED
WebSocket在Python Web开发中的革新应用:解锁实时通信的新可能
在快速发展的Web应用领域中,实时通信已成为许多现代应用不可或缺的功能。传统的HTTP请求/响应模式在处理实时数据时显得力不从心,而WebSocket技术的出现,为Python Web开发带来了革命性的变化,它允许服务器与客户端之间建立持久的连接,从而实现了数据的即时传输与交换。本文将通过问题解答的形式,深入探讨WebSocket在Python Web开发中的革新应用及其实现方法。
25 3
下一篇
无影云桌面