PyYAML高级用法全揭秘
在 Python 的数据序列化与配置文件处理领域，PyYAML 是一个非常强大的工具。它允许我们在 Python 程序中方便地读取和写入 YAML 格式的数据。在这篇博客中，我们将深入探讨 PyYAML 的高级用法。
一、PyYAML 简介
YAML（Yet Another Markup Language）是一种人类可读的数据序列化格式，常用于配置文件、数据交换等场景。PyYAML 是 Python 对 YAML 格式的实现，它提供了简单而高效的接口来处理 YAML 数据。
二、安装 PyYAML
安装 PyYAML 非常简单，我们可以使用 pip 命令进行安装：
pip install pyyaml
三、基本的读写操作
读取 YAML 文件
以下是一个简单的读取 YAML 文件的示例：
import yaml
with open('example.yaml', 'r') as file:
data = yaml.load(file, Loader=yaml.FullLoader)
print(data)
写入 YAML 文件
data = {'name': 'John', 'age': 30, 'hobbies': ['reading', 'coding']}
with open('output.yaml', 'w') as file:
yaml.dump(data, file)
四、PyYAML 的高级用法
自定义标签（Tags）
定义自定义标签：YAML 允许我们定义自定义标签来表示特定类型的数据。在 PyYAML 中，我们可以通过定义构造函数和表示函数来实现自定义标签。
示例：
import yaml
def construct_person(loader, node):
values = loader.construct_mapping(node)
return Person(values['name'], values['age'])
yaml.add_constructor('!Person', construct_person)
class Person:
def __init__(self, name, age):
self.name = name
self.age = age
def __repr__(self):
return f"Person(name={self.name}, age={self.age})"
yaml_str = """
-!Person
name: Alice
age: 25
-!Person
name: Bob
age: 35
"""
data = yaml.load(yaml_str, Loader=yaml.FullLoader)
print(data)
在这个示例中，我们定义了一个名为 !Person 的自定义标签，并实现了相应的构造函数 construct_person。当 PyYAML 解析到 !Person 标签时，它会调用这个构造函数来创建一个 Person 对象。
安全加载（Safe Loading）
避免潜在的安全风险：默认情况下，yaml.load 函数使用 FullLoader，它可以执行任意的 Python 代码，这可能会带来安全风险。为了避免这种情况，我们可以使用 SafeLoader。
示例：
import yaml
yaml_str = """
!!python/object:__main__.EvilClass []
"""
try:
data = yaml.load(yaml_str, Loader=yaml.SafeLoader)
except yaml.constructor.ConstructorError as e:
print(f"SafeLoader prevented the attack: {e}")
这里，如果我们使用 FullLoader，将会执行恶意代码，但使用 SafeLoader 则会阻止这种情况。
复杂数据结构的处理
嵌套数据：PyYAML 可以轻松处理复杂的嵌套数据结构，如嵌套的字典和列表。
示例：
import yaml
yaml_str = """
company:
departments:
- name: IT
employees:
- name: Tom
skills: ['Python', 'Java']
- name: Jerry
skills: ['C++', 'JavaScript']
- name: Finance
employees:
- name: Alice
skills: ['Accounting', 'Finance']
"""
data = yaml.load(yaml_str, Loader=yaml.FullLoader)
print(data)
这个示例展示了如何处理包含多层嵌套的公司部门和员工技能数据结构。
引用（References）和锚点（Anchors）
数据复用：YAML 中的锚点和引用可以实现数据的复用，在 PyYAML 中同样可以利用这一特性。
示例：
import yaml
yaml_str = """
defaults: &defaults
user: 'admin'
password: '123456'
server1:
<<: *defaults
host: '192.168.1.100'
server2:
<<: *defaults
host: '192.168.1.200'
"""
data = yaml.load(yaml_str, Loader=yaml.FullLoader)
print(data)
在这里，我们定义了一个默认的用户和密码（通过锚点 &defaults），然后在 server1 和 server2 中复用了这些默认值（通过引用 *defaults）。
流风格（Flow Style）与块风格（Block Style）
灵活的输出格式：我们可以根据需要控制 YAML 数据的输出格式为流风格或块风格。
示例：
import yaml
data = {'name': 'John', 'age': 30, 'hobbies': ['reading', 'coding']}
# 块风格
yaml_str_block = yaml.dump(data, default_flow_style=False)
print(yaml_str_block)
# 流风格
yaml_str_flow = yaml.dump(data, default_flow_style=True)
print(yaml_str_flow)
这展示了如何在输出 YAML 数据时选择不同的风格。
五、总结
PyYAML 是一个功能强大的工具，不仅提供了基本的 YAML 数据读写功能，还具备许多高级特性。通过自定义标签、安全加载、处理复杂数据结构、利用引用和锚点以及控制输出格式等高级用法，我们可以更加灵活、高效地处理 YAML 数据。在实际的项目中，这些高级用法可以帮助我们更好地管理配置文件、实现数据序列化等任务。希望这篇博客能够帮助你深入理解和掌握 PyYAML 的高级用法，在你的 Python 编程之旅中发挥更大的作用。
到此这篇关于PyYAML高级用法全揭秘的文章就介绍到这了,更多相关PyYAML用法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
Ubuntu 20.04安装Pycharm2020.2及锁定到任务栏的问题(小白级操作)
这篇文章主要介绍了Ubuntu 20.04安装Pycharm2020.2及锁定到任务栏的问题，本教程给大家讲解的很详细，非常适合小白级操作，需要的朋友可以参考下2020-10-10
在本篇文章里小编给大家分享的是一篇关于python中如何提高计算速度的技术文章，需要的朋友们可以学习下。2020-06-06
漏斗图是一个简单的散点图，反映研究在一定样本量或精确性下单个研究的干预效应估计值。本文将用Python Pyecharts实现漏斗图的绘制，需要的可以参考一下2022-06-06
这篇文章主要介绍了如何利用Python编写一个藏头诗在线生成器，文中的示例代码讲解详细，感兴趣的同学可以跟随小编一起动手尝试一下2022-04-04
跳表是带有附加指针的链表，使用这些附加指针可以跳过一些中间结点，用以快速完成查找、插入和删除等操作。本节将详细介绍跳表的相关概念及其具体实现，需要的可以参考一下2022-02-02
这篇文章主要介绍了Python运算符重载详解及实例代码的相关资料,需要的朋友可以参考下2017-03-03
最近需要用到自然语言处理工具,python提供了很多自带的工具包,下面这篇文章主要给大家介绍了关于Pycharm无法下载汉化包问题的解决办法,文中通过图文介绍的非常详细,需要的朋友可以参考下2024-03-03
今天小编就为大家分享一篇python3爬虫获取html内容及各属性值的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-12-12
这篇文章主要为大家详细介绍了如何从零构建一个高性能本地缓存系统,采用Python实现支持百万级QPS的并发安全缓存,感兴趣的小伙伴可以了解下2026-02-02
如果好友短时间发送多条消息然后撤回会难以判断究竟撤回的是哪条信息,只能靠猜.后来我觉得“猜”这个事情特别不Pythonic,研究一段时间后找到了解决方案,不得不惊叹ItChat真的好强大,需要的朋友可以参考下2021-06-06
最新评论