标签:输出 PyYAML name python age 灰蓝 yaml 模块 self
YAML是专门用来写配置文件的语言,远比JSON格式方便。
YAML语言的设计目标,就是方便人类读写。
YAML是一种比XML和JSON更轻的文件格式,也更简单更强大,它可以通过缩进来表示结构,是不是听起来就和Python很搭?
顾名思义,用语言编写的文件就可以称之为YAML文件。PyYaml是Python的一个专门针对YAML文件操作的模块,使用起来非常简单。
1.yaml文件格式简介
基本规则:
- 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
- 使用#表示注释
- 字符串可以不用引号标注
yaml 支持的数据结构有三种:
- 对象:键值对的集合,又称为映射(mapping)/ 哈希(hashes) / 字典(dictionary)
- 数组:一组按次序排列的值,又称为序列(sequence) / 列表(list)
- 纯量(scalars):单个的、不可再分的值。字符串、布尔值、整数、浮点数、Null、时间、日期
1.1 对象
user: admin pwd: 123 job: - teacher - nurese #输出 {'user': 'admin', 'pwd': 123, 'job': ['teacher', 'nurese']}
1.2 数组序列
- admin1: 123456 - admin2: 111111 - admin3: 222222 #输出: [{'admin1': 123456}, {'admin2': 111111}, {'admin3': 222222}]
1.3 纯量
n1: 52.10 --------------------------------------------------------------- n2: true n3: false #不区分大小写 --------------------------------------------------------------- #None用~表示 n4: ~ 输出:{'n1': 52.1} --------------------------------------------------------------- 输出:{'n2': True, 'n3': False} --------------------------------------------------------------- 输出:{'n4': None}
1.4 混合使用
1.list嵌套dict
- user: admin1 psw: '123456' - user: admin2 psw: '111111' - user: admin3 psw: '222222'
用python读取出来的结果:
[{'user': 'admin1', 'psw': '123456'}, {'user': 'admin2', 'psw': '111111'}, {'user': 'admin3', 'psw': '222222'}]
2.dict嵌套list
nub1: - admin1 - '123456' nb2: - admin2 - '111111' nb3: - admin3 - '222222'
用python读取出来的结果:
{'nub1': ['admin1', '123456'], 'nb2': ['admin2', '111111'],
2.Yaml语法详解
2.1 基本规则
- 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
- 使用#表示注释
- 字符串可以不用引号标注
2.2 yaml转字典
yaml中支持映射或字典的表示,如下:
# 下面格式读到Python里会是个dict name: 灰蓝 age: 0 job: Tester 输出: {'name': '灰蓝', 'age': 0, 'job': 'Tester'}
2.3 yaml转列表
yaml中支持列表或数组的表示,如下:
# 下面格式读到Python里会是个list - 灰蓝 - 0 - Tester 输出: ['灰蓝', 0, 'Tester']
2.4 复合结构
字典和列表可以复合起来使用,如下:
# 下面格式读到Python里是个list里包含dict - name: 灰蓝 age: 0 job: Tester - name: James age: 30 输出: [{'name': '灰蓝', 'age': 0, 'job': 'Tester'}, {'name': 'James', 'age': 30}]
2.5 基本类型
yaml中有以下基本类型:
- 字符串
- 整型
- 浮点型
- 布尔型
- null
- 时间
- 日期
我们写个例子来看下:
# 这个例子输出一个字典,其中value包括所有基本类型 str: "Hello World!" int: 110 float: 3.141 boolean: true # or false None: null # 也可以用 ~ 号来表示 null time: 2016-09-22t11:43:30.20+08:00 # ISO8601,写法百度 date: 2016-09-22 # 同样ISO8601
输出:
{'str': 'Hello World!', 'int': 110, 'float': 3.141, 'boolean': True, 'None': None, 'time': datetime.datetime(2016, 9, 22, 3, 43, 30, 200000), 'date': datetime.date(2016, 9, 22)}
如果字符串没有空格或特殊字符,不需要加引号,但如果其中有空格或特殊字符,则需要加引号了
str: 灰蓝 str1: "Hello World" str2: "Hello\nWorld"
输出:
{'str': '灰蓝', 'str1': 'Hello World', 'str2': 'Hello\nWorld'}
这里要注意单引号和双引号的区别,单引号中的特殊字符转到Python会被转义,也就是到最后是原样输出了,双引号不会被Python转义,到最后是输出了特殊字符;如:
str1: 'Hello\nWorld' str2: "Hello\nWorld"
输出:
{'str1': 'Hello\\nWorld', 'str2': 'Hello\nWorld'}
可以看到,单引号中的’\n’最后是输出了,双引号中的’\n’最后是转义成了回车
2.6 引用
& 和 * 用于引用
name: &name 灰蓝 tester: *name
这个相当于一下脚本:
name: 灰蓝 tester: 灰蓝
输出:
{'name': '灰蓝', 'tester': '灰蓝'}
2.7 强制转换
yaml是可以进行强制转换的,用 !! 实现,如下:
str: !!str 3.14 int: !!int "123"
输出:
{'int': 123, 'str': '3.14'}
明显能够看出123被强转成了int类型,而float型的3.14则被强转成了str型。
2.8 分段
在同一个yaml文件中,可以用 — 来分段,这样可以将多个文档写在一个文件中
--- name: James age: 20 --- name: Lily age: 19
3.构造器(constructors)、表示器(representers)、解析器(resolvers )
3.1 yaml.YAMLObject
yaml.YAMLObject用元类来注册一个构造器(也就是代码里的 init() 方法),让你把yaml节点转为Python对象实例,用表示器(也就是代码里的 repr() 函数)来让你把Python对象转为yaml节点,看代码:
import yaml class Person(yaml.YAMLObject): yaml_tag = '!person' def __init__(self, name, age): self.name = name self.age = age def __repr__(self): return '%s(name=%s, age=%d)' % (self.__class__.__name__, self.name, self.age) james = Person('James', 20) print (yaml.dump(james)) # Python对象实例转为yaml lily = yaml.load('!person {name: Lily, age: 19}') print (lily) # yaml转为Python对象实例 #输出: !person {age: 20, name: James} Person(name=Lily, age=19)
3.2 yaml.add_constructor 和 yaml.add_representer
你可能在使用过程中并不想通过上面这种元类的方式,而是想定义正常的类,那么,可以用这两种方法
import yaml class Person(object): def __init__(self, name, age): self.name = name self.age = age def __repr__(self): return 'Person(%s, %s)' % (self.name, self.age) james = Person('James', 20) print (yaml.dump(james)) # 没加表示器之前 def person_repr(dumper, data): return dumper.represent_mapping(u'!person', {"name": data.name, "age": data.age}) # mapping表示器,用于dict yaml.add_representer(Person, person_repr) # 用add_representer方法为对象添加表示器 print (yaml.dump(james)) # 加了表示器之后 def person_cons(loader, node): value = loader.construct_mapping(node) # mapping构造器,用于dict name = value['name'] age = value['age'] return Person(name, age) yaml.add_constructor(u'!person', person_cons) # 用add_constructor方法为指定yaml标签添加构造器 lily = yaml.load('!person {name: Lily, age: 19}') print (lily) #结果输出 !!python/object:__main__.Person {age: 20, name: James} !person {age: 20, name: James} Person(Lily, 19)
第一行是没加表示器之前,多丑!中间那行是加了表示器之后,变成了规范的格式,下面添加了构造器,能够把 !person 标签转化为Person对象。
4.PyYaml使用实例
4.1 load() :返回一个对象
我们先创建一个yml文件,config.yml:
name: Tom Smith age: 37 spouse: name: Jane Smith age: 25 children: - name: Jimmy Smith age: 15 - name1: Jenny Smith age1: 12
读取yml文件:
import yaml f = open(r'./config.yaml') #y = yaml.load(f) #yaml5.1后废弃这种方法 #由于Yaml 5.1版本后弃用了 yaml.load(file) 这个用法。Yaml 5.1版本之后就修改了需要指定Loader,通过默认加载器(FullLoader)禁止执行任意函数,使得此load函数的安全得到加强。 #下面三种方法都可以 # y=yaml.load(f,Loader=yaml.FullLoader) # y=yaml.safe_load(f) y=yaml.load(f, Loader=yaml.CLoader) print (y) #结果输出 {'name': 'Tom Smith', 'age': 37, 'spouse': {'name': 'Jane Smith', 'age': 25}, 'children': [{'name': 'Jimmy Smith', 'age': 15}, {'name1': 'Jenny Smith', 'age1': 12}]}
4.2 load_all()生成一个迭代器
如果string或文件包含几块yaml文档,你可以使用yaml.load_all来解析全部的文档。
import yaml f = ''' --- name: James age: 20 --- name: Lily age: 19 ''' y = yaml.load_all(f,Loader=yaml.FullLoader) for data in y: print(data) #结果输出 {'name': 'James', 'age': 20} {'name': 'Lily', 'age': 19}
4.3 yaml.dump 将一个python对象生成为yaml文档
import yaml aproject = {'name': 'Silenthand Olleander', 'race': 'Human', 'traits': ['ONE_HAND', 'ONE_EYE'] } print(yaml.dump(aproject)) #结果输出 name: Silenthand Olleander race: Human traits: - ONE_HAND - ONE_EYE
yaml.dump接收的第二个参数一定要是一个打开的文本文件或二进制文件,yaml.dump会把生成的yaml文档写到文件里
import yaml aproject = {'name': 'Silenthand Olleander', 'race': 'Human', 'traits': ['ONE_HAND', 'ONE_EYE'] } f = open(r'./config2.yaml','w') print(yaml.dump(aproject,f))
文件输出
4.4 yaml.dump_all()将多个段输出到一个文件中
import yaml obj1 = {"name": "James", "age": 20} obj2 = ["Lily", 19] with open(r'./config3.yaml', 'w') as f: yaml.dump_all([obj1, obj2], f)
结果文件输出:
5.总结
看完这篇文章,可以看到,整个操作都是比较简单的,但是是不是发现没有增加,删除等操作呀?这个确实好像修改数据,好像只有把数据全部取出来,然后修改,然后在存回去
官方链接:http://pyyaml.org/wiki/PyYAMLDocumentation
标签:输出,PyYAML,name,python,age,灰蓝,yaml,模块,self 来源: https://www.cnblogs.com/lizexiong/p/16687805.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。