Programmation serveur Python : analyse du format YAML à l'aide de PyYAML-Tutoriel Python-php.cn

Programmation serveur Python : analyse du format YAML à l'aide de PyYAML

WBOY

Libérer： 2023-06-19 10:33:10

original

1839 Les gens l'ont consulté

Programmation de serveur Python : utilisation de PyYAML pour l'analyse du format YAML

Avec le développement rapide de la technologie Internet, la programmation de serveur est devenue de plus en plus importante. En tant que langage de programmation puissant, Python devient de plus en plus populaire parmi les développeurs. PyYAML est l'un des analyseurs de format YAML les plus couramment utilisés en Python. Cet article explique comment utiliser PyYAML pour analyser le format YAML afin d'aider les développeurs à mieux programmer les serveurs Python.

Qu'est-ce que YAML ?

YAML (Yet Another Markup Language) est un format d'échange de données léger Comparé aux formats de données tels que XML et JSON, YAML est un format plus facile à lire et à écrire. Les données au format YAML peuvent être sérialisées, lues et comprises par les humains. YAML a été initialement développé pour résoudre le problème de la lourdeur et de la difficulté à lire du XML.

Exemple de format YAML :

- name: Alice
  age: 25
  occupation: programmer
- name: Bob
  age: 30
  occupation: designer

Copier après la connexion

Utilisez PyYAML pour analyser le format YAML

PyYAML est l'un des analyseurs de format YAML les plus couramment utilisés en Python. Il s'agit d'un analyseur YAML complet qui prend en charge toutes les fonctionnalités principales de YAML 1.1 et 1.2. Il est très simple d'utiliser PyYAML pour analyser le format YAML. Il vous suffit de convertir les données au format YAML en un objet Python via la méthode yaml.load(). yaml.load()方法将YAML格式的数据转换为Python对象即可。

import yaml

with open("data.yaml", 'r') as stream:
    data = yaml.load(stream)

print(data)

Copier après la connexion

上述代码将data.yaml文件中的YAML格式数据读取并转换为Python对象，最后打印输出。

在PyYAML中，还可以使用yaml.dump()方法将Python对象转换为YAML格式的数据。

import yaml

data = [
    {'name': 'Alice', 'age': 25, 'occupation': 'programmer'},
    {'name': 'Bob', 'age': 30, 'occupation': 'designer'}
]

print(yaml.dump(data))

Copier après la connexion

上述代码将Python列表转换为YAML格式数据并打印输出。

PyYAML的高级功能

除了基本的YAML格式解析和序列化之外，PyYAML还提供了许多高级功能，包括类型转换、自定义标记、验证和扩展。接下来，我们将更详细地介绍其中的一些功能。

类型转换

PyYAML支持将YAML格式中的数据自动转换为Python内置类型，包括字符串、整数、浮点数、字典和列表等。例如，将以下YAML格式数据读取为Python对象：

date: 2021-06-25
count: 300
price: 99.99

Copier après la connexion

在读取过程中，PyYAML会自动将date字段转换为Python的datetime.date对象，count字段转换为Python的整数类型，price字段转换为Python的浮点数类型。

自定义标记

PyYAML支持自定义标记，通过这种方式可以将自定义的Python对象转换为YAML格式的数据，并在读取YAML数据时将其转换回原始对象。例如，定义以下自定义类：

import datetime

class CustomDate:
    def __init__(self, year, month, day):
        self.date = datetime.date(year, month, day)

Copier après la connexion

然后，我们可以使用以下代码将自定义类转换为YAML格式：

import yaml

def custom_date_representer(dumper, data):
    return dumper.represent_scalar('!CustomDate', '{}/{}/{}'.format(data.date.year, data.date.month, data.date.day))

def custom_date_constructor(loader, node):
    value = loader.construct_scalar(node)
    year, month, day = map(int, value.split('/'))
    return CustomDate(year, month, day)

data = [
    CustomDate(2021, 6, 25),
    CustomDate(2021, 6, 26)
]

yaml.add_representer(CustomDate, custom_date_representer)
yaml.add_constructor('!CustomDate', custom_date_constructor)

print(yaml.dump(data))

Copier après la connexion

上述代码中，我们注册了自定义的标记!CustomDate，并定义了对应的representer和constructor方法，将自定义类转换为YAML格式，并将其恢复为原始对象。

验证和扩展

PyYAML还提供了验证和扩展的功能，包括验证YAML格式数据的正确性和注册新的标记。例如，可以使用以下代码验证YAML格式数据的正确性：

import yaml

with open("data.yaml", 'r') as stream:
    try:
        data = yaml.safe_load(stream)
    except yaml.YAMLError as exc:
        print(exc)

Copier après la connexion

上述代码使用yaml.safe_load()方法加载YAML格式数据，并根据数据的正确性输出相应的信息。

同时，也可以使用以下代码注册新的标记：

import yaml

class CustomType:
    pass

def represent_custom_type(dumper, data):
    return dumper.represent_scalar('!CustomType', None)

yaml.add_representer(CustomType, represent_custom_type)

data = CustomType()

print(yaml.dump(data))

Copier après la connexion

上述代码中，我们将自定义的类CustomType注册为新的标记!CustomType，并定义了对应的representerrrreee

Le code ci-dessus lit et convertit les données au format YAML dans le fichier data.yaml en un objet Python, et enfin imprime la sortie.

Dans PyYAML, vous pouvez également utiliser la méthode yaml.dump() pour convertir des objets Python en données au format YAML.

rrreee

Le code ci-dessus convertit la liste Python en données au format YAML et imprime la sortie. 🎜🎜Fonctionnalités avancées de PyYAML🎜🎜En plus de l'analyse et de la sérialisation de base du format YAML, PyYAML fournit également de nombreuses fonctionnalités avancées, notamment la conversion de type, les balises personnalisées, la validation et les extensions. Ensuite, nous examinerons certaines de ces fonctionnalités plus en détail. 🎜🎜Conversion de type🎜🎜PyYAML prend en charge la conversion automatique des données au format YAML en types intégrés Python, notamment les chaînes, les entiers, les nombres à virgule flottante, les dictionnaires et les listes, etc. Par exemple, lisez les données au format YAML suivantes dans un objet Python : 🎜rrreee🎜 Pendant le processus de lecture, PyYAML convertira automatiquement le champ date en objet datetime.date de Python, le champ count est converti en type entier de Python et le champ price est converti en type à virgule flottante de Python. 🎜🎜Balises personnalisées🎜🎜PyYAML prend en charge les balises personnalisées, ce qui vous permet de convertir des objets Python personnalisés en données au format YAML et de les reconvertir en objets d'origine lors de la lecture de données YAML. Par exemple, définissez la classe personnalisée suivante : 🎜rrreee🎜 Ensuite, nous pouvons utiliser le code suivant pour convertir la classe personnalisée au format YAML : 🎜rrreee🎜Dans le code ci-dessus, nous enregistrons la balise personnalisée !CustomDate , et définit les méthodes representer et constructor correspondantes pour convertir la classe personnalisée au format YAML et la restaurer dans l'objet d'origine. 🎜🎜Validation et extension🎜🎜PyYAML fournit également des fonctions de validation et d'extension, notamment la vérification de l'exactitude des données au format YAML et l'enregistrement de nouvelles balises. Par exemple, vous pouvez utiliser le code suivant pour vérifier l'exactitude des données au format YAML : 🎜rrreee🎜Le code ci-dessus utilise la méthode yaml.safe_load() pour charger les données au format YAML et afficher les informations correspondantes en fonction de l'exactitude des données. 🎜🎜En même temps, vous pouvez également utiliser le code suivant pour enregistrer une nouvelle balise : 🎜rrreee🎜Dans le code ci-dessus, nous enregistrons la classe personnalisée CustomType en tant que nouvelle balise !CustomType , et définit la méthode representer correspondante pour la convertir en données au format YAML. 🎜🎜Résumé🎜🎜Cet article explique comment utiliser PyYAML pour analyser et sérialiser le format YAML, et présente certaines fonctionnalités avancées de PyYAML, notamment la conversion de type, les balises personnalisées, la validation et l'extension, etc. Grâce à l'introduction de cet article, je pense que les lecteurs peuvent mieux comprendre l'utilisation de PyYAML et obtenir de meilleures applications dans la programmation serveur Python. 🎜

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!