python模块-PyYAML
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
