python库导入对象语句_Python Intellect包_程序模块 - PyPI - Python中文网

智力

< COL/>

< COL/>

信息：intelligent是一个针对python的领域特定语言和规则引擎。

作者：迈克尔·约瑟夫·沃尔什

＜H3＞1。什么是智力

intelligent是一种dsl("领域特定语言")和python的规则引擎

我是为表达策略来编排和控制动态

网络防御网络安全平台的研究

米特公司的创新计划。

规则引擎提供了一种智能，一种人工智能，

客观地对工作记忆进行推理和理解的能力。

内存保留与系统相关的知识和一组规则

在dsl中编写，描述实现某些

目标.每个规则都有一个可选条件，以及一个或多个

行动。这些行为要么进一步引导系统的行为，

和/或进一步通知系统。引擎是从一些事实开始的，

关于过去或现在情况的真相，并用规则来推断

更多的事实。这些事实引发了更多的规则，从而推断出更多的事实

关于

对于创新计划中的平台，Network Defender使用

DSL授予策略，平台如何响应网络

事件通过隐蔽的网络通道挂载，但没有直接的

语言与规则引擎与网络安全的关系

因此，整个系统可以更广泛地应用于

其他域。

＜H3＞2。安装

通过设置工具安装

要通过pip安装，请使用pip install intelligent

要通过pypm安装，请使用pypm install intelligent

＜H3＞3。依赖关系python本身，如果你还没有它的话。我在Python2.7.1、2.7.2、2.7.3上测试了代码。

＜H3＞4。贡献

源代码在BSD4条款许可下可用。如果你有主意，

希望贡献的代码、错误报告或修复请这样做。

bug和功能请求可以在github上提交。

＜H3＞5。背景

许多生产规则系统实现都是开源的，例如

jboss drools，rools，jess，lisa，等等。如果你熟悉

Drools语法，Intelligent的语法看起来应该很熟悉。(我不是说

是以它为基础的，因为它并不完全，但我在工作时发现

我会用drools检查语法，如果有意义的话，可以将

流口水的方向，这就是我所做的。)上述实现

可用于其他语言来表示生产规则，但它是

我认为python的代表性不足，因此我认为

语言和规则引擎可以从开源中获益，所以我把

请求进入。

米特公司批准于2011年8月4日发布。

因此，将领域特定语言(DSL)和规则引擎释放到正常开放

希望这样做能扩大它的使用范围并增加它的机会

为可能的采用，同时使项目成熟

将感兴趣的眼球放在上面。

首先，最初假设上述平台

与可用于

python有无数的ruby、java和perl实现，

但令人惊讶的是，我发现没有一个符合这个项目的需要。这导致了

发明一个的想法；简单地键入关键字"python规则

引擎"进入谷歌虽然会返回给你的建议"不要发明

还有另一种规则语言"，但是你应该"只写

你在python中的规则，导入并执行它们。

建议可以合并为这样做，否则不符合

"蟒蛇哲学"。当时，我不相信这是真的，也不相信

完全语境化，但不可否认，我还没有写一行

python代码(是的，您正在查看我的第一个python程序。所以，

请让我休息一下。)在此之前也不要使用antlr3。看

回到过去，我坚信发明一个规则引擎并将其抽象出来的行为

在描述和说明特定领域的术语后面是

在上述平台的情况下，网络防御程序的最佳方式

想想这个问题。就像我说的DSL和规则引擎

可用于任何需要"生产规则系统"的情况。

因为没有适合python平台的规则引擎

需要，建立了一个策略语言和朴素的前向链接规则引擎

从零开始。策略语言的语法基于python的一个子集

语言语法。策略dsl在

antlr3 python的解析生成器和运行时。

＜H3＞6。事实(数据经过推理)

解释器、规则引擎和代码的其余部分，如

用于授予离散网络条件的对象，称为"事实"，

也是用python编写的。python的面向对象编程方法

范型中的对象由数据字段和方法组成，并不容易

善于描述"事实"。因为python对象的数据字段

在句法上被称为"属性"可以而且经常被设置在

类的实例，它们在类的实例化之前不存在。

为了让规则引擎工作，它必须能够完全反省

表示条件的对象实例。这证明是非常困难的

除非具有两个属性的属性decorator，"getter"和"setter"，

在Python2.6中引入，被采用并正式用于编写这些对象。

巧合的是，在

在python开发人员社区中，java特别不受欢迎。

"python不是java"的欢呼声

因此，您需要将事实编写为python对象的who属性

形式化地表示为属性，对于您想要的属性

结束原因：class ClassA(object):

'''

An example fact

'''

def __init__(self, property0 = None, property1 = None):

'''

ClassA initializer

'''

self._property0 = property0

@property

def property0(self):

return self._property0

@property0.setter

def property0(self, value):

self._property0 = value

7.1导入语句(

importstmts

)

import语句基本上遵循python，但有一些限制。为了

例如，由于以下原因，不支持通配符形式的导入

详细阐述了

此处

并遵循Python2.7.2语法。

importstmt

语句只存在于同一个

根据语法，rulestmt语句的级别，通常位于

策略文件，但不限于。事实上，如果你把你的政策分成

将上次作为类或模块导入的文件作为正在命名的类或模块获胜。

7.2属性语句(

属性

)

< div >

a

attributestmt

的语法图

attributestmt

语句是用于创建策略属性的表达式，是

全局变量，可从规则中访问。

例如，可以编写策略：import logging

first_sum = 0

second_sum = 0

rule "set both first_sum and second_sum to 1":

agenda-group "test_d"

then:

attribute (first_sum, second_sum) = (1,1)

log("first_sum is {0}".format(first_sum), "example", logging.DEBUG)

log("second_sum is {0}".format(second_sum), "example", logging.DEBUG)

rule "add 2":

agenda-group "test_d"

then:

attribute first_sum += 2

attribute second_sum += 2

log("first_sum is {0}".format(first_sum), "example", logging.DEBUG)

log("second_sum is {0}".format(second_sum), "example", logging.DEBUG)

rule "add 3":

agenda-group "test_d"

then:

attribute first_sum += 3

attribute second_sum += 3

log("first_sum is {0}".format(first_sum), "example", logging.DEBUG)

log("second_sum is {0}".format(second_sum), "example", logging.DEBUG)

rule "add 4":

agenda-group "test_d"

then:

attribute first_sum += 4

attribute second_sum += 4

log("first_sum is {0}".format(first_sum), "example", logging.DEBUG)

log("second_sum is {0}".format(second_sum), "example", logging.DEBUG)

halt

rule "should never get here":

agenda-group "test_d"

then:

log("Then how did I get here?", "example", logging.DEBUG)

包含两条语句：first_sum = 0

second_sum = 0

以下规则将使用attributeAction增加这两个属性

声明。

执行此策略的代码如下：class MyIntellect(Intellect):

pass

if __name__ == "__main__":

# set up logging for the example

logger = logging.getLogger('example')

logger.setLevel(logging.DEBUG)

consoleHandler = logging.StreamHandler(stream=sys.stdout)

consoleHandler.setFormatter(logging.Formatter('%(asctime)s %(name)-12s %(levelname)-8s%(message)s'))

logger.addHandler(consoleHandler)

myIntellect = MyIntellect()

policy_d = myIntellect.learn(Intellect.local_file_uri("./rulesets/test_d.policy"))

myIntellect.reason(["test_d"])

执行上述操作的日志输出为：2011-10-04 23:56:51,681 example DEBUG __main__.MyIntellect :: first_sum is 1

2011-10-04 23:56:51,682 example DEBUG __main__.MyIntellect :: second_sum is 1

2011-10-04 23:56:51,683 example DEBUG __main__.MyIntellect :: first_sum is 3

2011-10-04 23:56:51,683 example DEBUG __main__.MyIntellect :: second_sum is 3

2011-10-04 23:56:51,685 example DEBUG __main__.MyIntellect :: first_sum is 6

2011-10-04 23:56:51,685 example DEBUG __main__.MyIntellect :: second_sum is 6

2011-10-04 23:56:51,687 example DEBUG __main__.MyIntellect :: first_sum is 10

2011-10-04 23:56:51,687 example DEBUG __main__.MyIntellect :: second_sum is 10

另一个例子，请参见第7.3.3.1.2节。