YAML 在Python中的配置应用

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，听着就和Python很配对不对？

yaml的介绍不在这里赘述，感兴趣可以自行百度下，先说下它的基本语法，还是配合着PyYaml来：

1. PyYaml

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。

安装：

pip install PyYaml

或者到这里下载相应版本的包，人工安装，http://pyyaml.org/wiki/PyYAML 点击打开链接。

使用：

使用起来非常简单，就像json、pickle一样，load、dump就足够我们使用了。

• load()

import yamlyaml_str = """ name: 灰蓝 age: 0 job: Tester """y = yaml.load(yaml_str) print y

结果：{'job': 'Tester', 'age': 0, 'name': u'\u7070\u84dd'}

• dump()

import yamlpython_obj = {"name": u"灰蓝","age": 0,"job": "Tester"}y = yaml.dump(python_obj, default_flow_style=False) print y

输出结果：

age: 0 job: Tester name: "\u7070\u84DD"

上面只是简单的两个应用，还有 load_all()、dump_all() 等，我们一般用这四个足够了，另外两个下面会讲到，其他方法可以自己看API，我也没怎么折腾过。

2. yaml语法

https://www.ibm.com/developerworks/cn/xml/x-cn-yamlintro/点击打开链接

有了上面的基础，接下来我们看看yaml的语法，首先我们准备下测试语法的环境：

• 创建 test.yaml 文件，我们练习语法就在这里

• 创建 testyaml.py 文件，用来查看Python执行后的效果，其中内容如下：

# -*- coding: utf-8 -*- import yamly = yaml.load(file('test.yaml', 'r')) print y

好了，接下来我们就来看语法吧：

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，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对齐即可
• # 表示注释，从它开始到行尾都被忽略

2. yaml转字典

yaml中支持映射或字典的表示，如下：

#test.yaml #下面格式读到Python里会是个dict name: 灰蓝 age: 0 job: Tester

#coding:utf-8import yaml import os #open('test.yaml','w') #如果没有创建test.yaml，先使用open在当前目录下创建文件#方法一 output = yaml.load(file("test.yaml")) print output#方法二 #filename = os.path.join(os.path.dirname(__file__), 'test.yaml').replace("\\", "/") #output = yaml.load(open(filename)) #print output

输出：{'job': 'Tester', 'age': 0, 'name': u'\u7070\u84dd'}

3. yaml转列表

yaml中支持列表或数组的表示，注意裂变中的每一个元素前面用符号 - 如下：

#test.yaml #下面格式读到Python里会是个list- 灰蓝 - 0 - Tester

在test.ymal文件中：

输出：[u'\u7070\u84dd', 0, 'Tester']

4. 复合结构

字典和列表可以复合起来使用，注意这里使用 -  如下：

# test.yaml #下面格式读到Python里是个list里包含dict - name: 灰蓝age: 0job: Tester - name: Jamesage: 30

输出：[{'job': 'Tester', 'age': 0, 'name': u'\u7070\u84dd'}, {'age': 30, 'name': 'James'}]

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：

# test.yaml #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：

{'date': datetime.date(2016, 9, 22), 'None': None, 'boolean': True, 'str': 'Hello World!', 'time': datetime.datetime(2016, 9, 22, 3, 43, 30, 200000), 'int': 110, 'float': 3.141}

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

#test.yaml str: 灰蓝 str1: "Hello World" str2: "Hello\nWorld"

输出结果：{'str2': 'Hello\nWorld', 'str1': 'Hello World', 'str': u'\u7070\u84dd'}

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；可能比较拗口，来个例子理解下：

#test.yaml str1: 'Hello\nWorld' str2: "Hello\nWorld" # -*- coding: utf-8 -*- import yamly = yaml.load(file('test.yaml', 'r')) print y['str1'] print y['str2']

输出：

Hello\nWorld Hello World

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

字符串处理中写成多行、’|’、’>’、’+’、’-‘的意义这里就不讲了。

6. 引用

& 和 * 用于引用

#test.yaml name: &name 灰蓝 tester: *name

这个相当于一下脚本：

#test.yaml name: 灰蓝 tester: 灰蓝

输出：{'name': u'\u7070\u84dd', 'tester': u'\u7070\u84dd'}

7. 强制转换

yaml是可以进行强制转换的，用 !! 实现，如下：

#test.yaml 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。另外PyYaml还支持转换成Python/object类型，这个我们下面再讨论。

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

#test.yaml --- name: James age: 20 --- name: Lily age: 19

这时候我们就得用到我们的 load_all() 方法出场了，load_all() 方法会生成一个迭代器，可以用for输出出来：

# -*- coding: utf-8 -*- import yamlys = yaml.load_all(file('test.yaml', 'r')) for y in ys:print y

输出：

{'age': 20, 'name': 'James'} {'age': 19, 'name': 'Lily'}

对应的也有 dump_all() 方法，一个意思，就是将多个段输出到一个文件中，如：

# -*- coding: utf-8 -*- import yamlobj1 = {"name": "James", "age": 20} obj2 = ["Lily", 19]with open('test.yaml', 'w') as f:yaml.dump_all([obj1, obj2], f)

打开test.yaml看看：

{age: 20, name: James} --- [Lily, 19]

dump() 和 dump_all() 方法可以传入列表，也可以传入一个可序列化生成器，如 range(10)， 如下：

# -*- coding: utf-8 -*- import yamly = yaml.dump(range(10)) print y

输出：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

在 dump 和 dump_all() 的时候还可以配一堆参数，不一一讲解了（其实博主也不全了解。。）

3. 构造器(constructors)、表示器(representers)、解析器(resolvers )

这几个东西可以把Python的对象和yaml互转，很强大。这个翻译是博主自个儿翻译的，表达的不准确勿怪。

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：

# -*- coding: utf-8 -*- import yamlclass Person(yaml.YAMLObject):yaml_tag = '!person'def __init__(self, name, age):self.name = nameself.age = agedef __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yamllily = 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)

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

# -*- coding: utf-8 -*- import yamlclass Person(object):def __init__(self, name, age):self.name = nameself.age = agedef __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dictyaml.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dictname = 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

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。

这里用了 construct_mapping ，还有其他好多 construct_document， construct_object，construct_scalar，construct_sequence，construct_pairs，具体怎么用，可以自己研究下，看看API，看看源码学习下。

对应的 representer 也一样，有很多，这里只用了 represent_mapping，其他的不示例讲解了。

3. add_implicit_resolver

如果你不想每次都写标签，也可以用 add_implicit_resolver 方法添加解析器，然后它就能够把指定样式的没有标签的基本元素解析成对应的Python对象。这个就不详细分析给示例了。感兴趣的同学自己看文档学习吧。

4. 结语

yaml是一种很清晰、简洁的格式，而且跟Python非常合拍，非常容易操作，我们在搭建自动化测试框架的时候，可以采用yaml作为配置文件，或者用例文件，下面给出一个用例的示例，这个示例来自于Python restful接口框架 pyresttest:

# Test using included Django test app # First install python-django # Then launch the app in another terminal by doing # cd testapp # python manage.py testserver test_data.json # Once launched, tests can be executed via: # python resttest.py http://localhost:8000 miniapp-test.yaml --- - config:- testset: "Tests using test app"- test: # create entity- name: "Basic get"- url: "/api/person/" - test: # create entity- name: "Get single person"- url: "/api/person/1/" - test: # create entity- name: "Get single person"- url: "/api/person/1/"- method: 'DELETE' - test: # create entity by PUT- name: "Create/update person"- url: "/api/person/1/"- method: "PUT"- body: '{"first_name": "Gaius","id": 1,"last_name": "Baltar","login": "gbaltar"}'- headers: {'Content-Type': 'application/json'} - test: # create entity by POST- name: "Create person"- url: "/api/person/"- method: "POST"- body: '{"first_name": "Willim","last_name": "Adama","login": "theadmiral"}'- headers: {Content-Type: application/json}

怎么样，赶紧用起来吧！有什么问题欢迎跟博主交流了沟通！

转载：https://blog.csdn.net/huilan_same/article/details/52625230 转载出处

总结

以上是生活随笔为你收集整理的YAML 在Python中的配置应用的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。