您现在的位置是：网站首页> 编程资料编程资料
Python实现解析yaml配置文件的示例详解_python_
2023-05-25
323人已围观
简介 Python实现解析yaml配置文件的示例详解_python_
楔子
前面我们介绍了 ini 格式的配置文件，本次来看看 yaml，它的表达能力相比 ini 更加的强大。yaml 文件以 .yml 结尾，在介绍它的语法结构之前我们先来看看 yaml 的一些基本规则。
- 大小写敏感；
- 使用缩进表示层级关系，并且缩进只能用空格、不可以使用 tab 键。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；
- # 表示注释，# 到行尾的所有字符都会被忽略；
yaml 支持的数据结构有以下三种：
- 字典：键值对的集合；
- 数组：多个元素组成的集合；
- 标量：单个、不可分割的值；
Python 解析 yaml 则是通过一个名为 pyyaml 的库，直接 pip install pyyaml 即可。
下面我们来介绍一下 yaml 的数据结构。
字典
类似于 Python 的字典，使用键值对表示：
name: satori # 或者写成下面的形式 {name: satori}Python 解析之后会是什么结果呢？
import yaml config = """ name: satori """ # yaml.safe_load：只解析自己信任的输入 # yaml.unsafe_load：不检测输入的安全性 print(yaml.safe_load(config)) """ {'name': 'satori'} """ config = """ {name: satori} """ print(yaml.safe_load(config)) """ {'name': 'satori'} """在 yaml 里面，字典的 value 也可以是一个字典：
info: {name: satori, address: 东方地灵殿}Python 解析的结果如下：
import yaml config = """ info: {name: satori, address: 东方地灵殿} """ print(yaml.safe_load(config)) """ { 'info': {'name': 'satori', 'address': '东方地灵殿'} } """还是很简单的。
数组
一组连字符开头的行，构成一个数组。
- 古明地觉 - 古明地恋 - 雾雨魔理沙 # - 后面要有空格 # 或者写成下面的形式 [古明地觉, 古明地恋, 雾雨魔理沙]
Python 解析的结果如下：
import yaml config = """ - 古明地觉 - 古明地恋 - 雾雨魔理沙 """ print(yaml.safe_load(config)) """ ['古明地觉', '古明地恋', '雾雨魔理沙'] """ config = """ [古明地觉, 古明地恋, 雾雨魔理沙] """ print(yaml.safe_load(config)) """ ['古明地觉', '古明地恋', '雾雨魔理沙'] """
并且数组的子成员也可以是一个数组：
-
- 古明地觉
- 古明地恋
- 雾雨魔理沙
Python 解析的结果如下：
import yaml config = """ - - 古明地觉 - 古明地恋 - 雾雨魔理沙 """ print(yaml.safe_load(config)) """ [['古明地觉', '古明地恋', '雾雨魔理沙']] """ # 更简洁的写法 config = """ - [古明地觉, 古明地恋, 雾雨魔理沙] """ print(yaml.safe_load(config)) """ [['古明地觉', '古明地恋', '雾雨魔理沙']] """
显然数组也可以放在字典中：
# 缩进对应的空格数没有要求，但是必须一样 # 对于当前这个键值对而言也可以没有缩进 girl: - 古明地觉 - 古明地恋 - 雾雨魔理沙 # 或者下面这种形式 girl: [古明地觉, 古明地恋, 雾雨魔理沙] # 或者下面这种形式 {girl: [古明地觉, 古明地恋, 雾雨魔理沙]}Python 解析的结果如下：
import yaml config = """ girl: - 古明地觉 - 古明地恋 - 雾雨魔理沙 """ print(yaml.safe_load(config)) """ {'girl': ['古明地觉', '古明地恋', '雾雨魔理沙']} """ # 注意：上面的 girl 对应的是数组 # 因为每个元素前面都有 - # 但如果没有的话会发生什么？ config = """ girl: 古明地觉 古明地恋 雾雨魔理沙 """ print(yaml.safe_load(config)) """ {'girl': '古明地觉 古明地恋 雾雨魔理沙'} """ # 我们看到整体相当于是一个字符串 # 类似于 html，之间用一个空格代替 # 因此如果内容比较长，我们可以写成多行 # 但是注意：每一行前面必须有空格然后是一个稍微复杂的例子：
import yaml config = """ girl: # 会对应一个数组 - 古明地觉 - 古明地恋 - 雾雨魔理沙 place1: # 虽然不是数组，但是内部是字典的形式 # 所以会对应一个含有三个键值对的字典 古明地觉: 东方地灵殿 古明地恋: 东方地灵殿 雾雨魔理沙: 魔法森林 place2: # 是数组，数组里面每个元素是一个字典 - 古明地觉: 东方地灵殿 - 古明地恋: 东方地灵殿 - 雾雨魔理沙: 魔法森林 """ print(yaml.safe_load(config)) """ { 'girl': ['古明地觉', '古明地恋', '雾雨魔理沙'], 'place1': {'古明地觉': '东方地灵殿', '古明地恋': '东方地灵殿', '雾雨魔理沙': '魔法森林'}, 'place2': [{'古明地觉': '东方地灵殿'}, {'古明地恋': '东方地灵殿'}, {'雾雨魔理沙': '魔法森林'}] } """place1 对应的是一个字典，place2 对应的是一个数组。
标量
标量属于最基本的、不可再分的值，比较简单，我们就全部都说了吧。
import yaml config = """ int: 123 float: 3.14 bool: - true - false # 波浪号表示空 NoneType: ~ datetime: 2020-11-11 12:12:13 # 使用两个 ! 可以进行类型强转 # 不过几乎用不到 cast: - !!str 123 - !!str true """ print(yaml.safe_load(config)) """ { 'int': 123, 'float': 3.14, 'bool': [True, False], 'NoneType': None, 'datetime': datetime.datetime(2020, 11, 11, 12, 12, 13), 'cast': ['123', 'true'] } """这里可能有人已经发现了，就是字符串不需要加引号，但如果里面有特殊字符怎么办？所以 yaml 是支持使用引号括起来的。
import yaml config = """ name1: 古明地觉 a x $ # !! name2: "古明地觉 a x $ # !!" name3: '古明地觉 a x $ # !!' """ print(yaml.safe_load(config)) """ {'name1': '古明地觉 a x $', 'name2': '古明地觉 a x $ # !!', 'name3': '古明地觉 a x $ # !!'} """对于 yaml 而言，字符串默认是从第一个不是空格的字符、匹配到最后一个不是空格的字符（如果遇到 # 直接停止）。因此如果 value 的前面或后面有空格的话，那么这些空格是不会显示的，或者当中有 #，那么 # 后面的内容也不会显示。
解决办法是使用单引号或双引号括起来，如果内部还有引号，那么需要输入两遍进行转义（如果内部的引号和外面括起来的引号相同的话）。
引用
对于 yaml 而言，还支持我们采用 & 和 * 进行引用，举个例子：
import yaml config = """ # 多了一个 &db_info_ref # 相当于起了个名字，叫 db_info_ref db_info: &db_info_ref host: 127.0.0.1 port: 5432 user: postgres password: 123456 deploy: os: Linux # 将内容直接扔到里面来 <<: *db_info_ref """ print(yaml.safe_load(config)) """ { 'db_info': {'host': '127.0.0.1', 'port': 5432, 'user': 'postgres', 'password': 123456}, 'deploy': {'host': '127.0.0.1', 'port': 5432, 'user': 'postgres', 'password': 123456, 'os': 'Linux'} } """& 用来建立锚点，<< 表示合并当前数据，* 表示用来引用锚点。还可以作用在数组中：
import yaml config = """ - &name 古明地觉 - 古明地恋 - 雾雨魔理沙 - *name """ print(yaml.safe_load(config)) """ ['古明地觉', '古明地恋', '雾雨魔理沙', '古明地觉'] """
生成 yaml 文件
既然能够读取 yaml 文件，那么自然也能生成 yaml 文件。
import yaml data = { "girl": [ {"name": "古明地觉", "age": 17, "place": "东方地灵殿"}, {"name": "古明地恋", "age": 16, "place": "东方地灵殿"}, {"name": "雾雨魔理沙", "age": 16, "place": "魔法森林"} ], "other": { "古明地觉": {"nickname": ["小五", "少女觉", "觉大人", "小五萝莉"], "length": 155}, "古明地恋": {"nickname": ["恋恋"], "length": 155}, "雾雨魔理沙": {"nickname": ["摸你傻"], "length": 155} } } with open("cfg.yml", "w", encoding="utf-8") as f: yaml.dump(data, f, allow_unicode=True, indent=2)然后我们看看生成的 yml 文件长什么样子。
我们来看 yml 文件，然后反推出相应的数据结构。首先整体是一个字典，里面有 girl 和 other 两个 key。其中 girl 对应一个数组，数组里面每个元素都是字典，这是符合预期的。
然后 other 对应一个字典，而且这个字典内部有三个键值对，key 分别是：古明地觉、古明地恋、雾雨魔理沙，各自对应的 value 又是一个字典（内部有 length、nickname 两个 key，length 对应整型、nickname 对应列表）。
最后再看一个本人之前项目中的 yml 文件，可以猜猜看解析出来长什么样子。
解析一下看看和你想的是不是一样的。
import yaml with open(".gitlab-ci.yml", "r", encoding="utf-8") as f: data = f.read() data = yaml.safe_load(data) print(data) """ { 'stages': ['test'], 'cache': {'key': '${CI_COMMIT_REF_SLUG}', 'paths': ['.cache/pip']}, 'variables': {'PIP_CACHE_DIR': '$CI_PROJECT_DIR/.cache/pip'}, 'test': {'stage': 'test', 'image': 'xxxxxxx/python:3.8.1-thanosclient-buster', 'only': ['branches', 'tags'], 'services': ['mysql:5.7'], 'variables': {'PROJECT': 'XXXXXX', 'PIP_CACHE_DIR': '$CI_PROJECT_DIR/.cache/pip', 'MARKETING_CONFIG': 'config/room/ci.cn-gz.toml', 'MYSQL_DATABASE': 'activity', 'MYSQL_ROOT_PASSWORD': 'password', 'MYSQL_INITDB_SKIP_TZINFO': '1'} } } """结果应该不难想，毕竟 yaml 文件不是很复杂。
以上就是Python实现解析yaml配置文件的示例详解的详细内容，更多关于Python解析yaml配置文件的资料请关注其它相关文章！
相关内容
- LyScript实现Hook隐藏调试器的方法详解_python_
- python进行数据合并concat/merge_python_
- Python和Excel的完美结合的常用操作案例汇总_python_
- Python 处理 Pandas DataFrame 中的行和列_python_
- python安装包出现Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None))问题解决_python_
- Python Panda中索引和选择 series 的数据_python_
- Python Pandas教程之series 上的转换操作_python_
- Numpy安装、升级与卸载的详细图文教程_python_
- 将imagenet2012数据为tensorflow的tfrecords格式并跑验证的详细过程_python_
- Python Pandas教程之使用 pandas.read_csv() 读取 csv_python_
