【Python系列】Python中的YAML数据读取与解析

💝💝💝欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。

• 推荐:kwan 的首页,持续学习,不断总结,共同进步,活到老学到老
• 导航
  • 檀越剑指大厂系列:全面总结 java 核心技术点,如集合,jvm,并发编程 redis,kafka,Spring,微服务,Netty 等
  • 常用开发工具系列:罗列常用的开发工具,如 IDEA,Mac,Alfred,electerm,Git,typora,apifox 等
  • 数据库系列:详细总结了常用数据库 mysql 技术点,以及工作中遇到的 mysql 问题等
  • 懒人运维系列:总结好用的命令,解放双手不香吗?能用一个命令完成绝不用两个操作
  • 数据结构与算法系列:总结数据结构和算法,不同类型针对性训练,提升编程思维,剑指大厂

    非常期待和您一起在这个小小的网络世界里共同探索、学习和成长。💝💝💝 ✨✨ 欢迎订阅本专栏 ✨✨

    博客目录

    • • 引言
      • 一.YAML 简介
      • 二.使用 PyYAML 读取 YAML 数据
      • 三.访问 YAML 数据
      • 四.YAML 的高级特性
      • • 4.1 引用
        • 4.2 多行文本
        • 4.3 自定义类型
        • 五.YAML 最佳实践
        • • 5.1 使用缩进和冒号
          • 5.2 嵌套和层级
          • 5.3 引用和共享数据
          • 5.4 注释
          • 5.5 错误处理
          • 六.结论

            引言

            在现代软件开发中，配置文件和数据序列化是非常常见的需求。YAML 是一种人类可读的数据序列化格式，它使用简洁的语法和结构来表示数据。在 Python 中，我们可以使用第三方库 PyYAML 来读取和解析 YAML 数据。本文将介绍如何使用 Python 读取和解析 YAML 数据，并探讨 YAML 的一些高级特性和最佳实践。

            

            一.YAML 简介

            YAML 是一种轻量级的数据序列化格式，它的全称是"YAML Ain’t Markup Language"，强调了它不是一种标记语言。YAML 的设计目标是易读易写，并且与多种编程语言兼容。YAML 使用缩进和符号来表示数据结构，例如列表、字典和标量值。

            下面是一个简单的 YAML 示例：

            person:
              name: John Smith
              age: 30
              hobbies:
                - reading
                - hiking
            

            在这个示例中，我们定义了一个名为"person"的字典，它包含了名字、年龄和爱好。通过缩进和冒号来表示层级关系，通过连字符和空格来表示列表。

            二.使用 PyYAML 读取 YAML 数据

            在 Python 中，我们可以使用 PyYAML 库来读取和解析 YAML 数据。首先，我们需要安装 PyYAML 库，可以使用 pip 命令进行安装：

            pip install pyyaml
            

            安装完成后，我们可以使用以下代码读取 YAML 文件并解析其中的数据：

            import yaml
            filename = 'data.yaml'
            try:
                with open(filename, 'r', encoding="utf-8") as file:
                    yaml_data = yaml.safe_load(file)
                    print(yaml_data)
            except FileNotFoundError:
                print(f"File '{filename}' not found.")
            except yaml.YAMLError as e:
                print(f"Error while loading YAML: {e}")
            except Exception as e:
                print(f"An error occurred: {e}")
            

            在上述代码中，我们使用open函数打开 YAML 文件，并通过yaml.safe_load函数加载 YAML 数据。safe_load函数将 YAML 数据解析为 Python 对象，通常是字典或列表。我们可以直接打印 Python 对象来查看解析结果。

            需要注意的是，我们使用了异常处理来捕获可能发生的错误，例如文件不存在的FileNotFoundError和 YAML 加载错误的yaml.YAMLError。这样可以帮助我们更好地进行故障排查和错误处理。

            三.访问 YAML 数据

            一旦我们将 YAML 数据解析为 Python 对象，我们就可以像操作普通字典或列表一样访问其中的数据。例如，假设我们有以下 YAML 数据：

            person:
              name: John Smith
              age: 30
              hobbies:
                - reading
                - hiking
            

            使用 PyYAML 解析后，我们可以通过以下方式访问数据：

            print(yaml_data['person']['name'])  # 输出：John Smith
            print(yaml_data['person']['age'])  # 输出：30
            print(yaml_data['person']['hobbies'])  # 输出：['reading', 'hiking']
            

            通过索引和键名的方式，我们可以深入访问 YAML 数据的不同层级和字段。

            四.YAML 的高级特性

            除了基本的数据结构，YAML 还支持一些高级特性，例如引用、多行文本和自定义类型。这些特性使得 YAML 在表示复杂数据结构和配置文件时非常灵活和强大。

            4.1 引用

            YAML 允许使用&符号创建引用，以及使用*符号引用已经定义的值。这在避免重复定义和共享数据时非常有用。下面是一个示例：

            person: &person_ref
              name: John Smith
              age: 30
            employee: