YAML 是一个被广泛使用的数据序列化和配置语言,作为一个开发者,总是不免和它打交道。但处理 YAML 文档,尤其是使用 PyYAML 的过程总是非常痛苦。
这篇文章分享我在 Python 下使用 PyYAML 的技巧和代码片段,并介绍几个相关的库。
注意:本文中的代码仅保证在 Python 3 下正常工作
总是使用 safe_load/safe_dump
PyYAML 的 load
函数可以构造任意 Python 对象(Pickle 协议),这意味着一次 load
可能导致任意 Python 函数被执行。
为了确保应用程序的安全性,尽量在任何情况下使用 yaml.safe_load
和 yaml.safe_dump
。
保留字段顺序
Python 3.7+ 中,dict
keys 具备保留插入顺序的特性,所以通过 yaml.safe_load
得到的 dict
,其 keys 顺序会与原始文件保持一致。
>>> import yaml
>>> text = """---
... c: 1
... b: 1
... d: 1
... a: 1
... """
>>> d = yaml.safe_load(text)
>>> d
{'c': 1, 'b': 1, 'd': 1, 'a': 1}
>>> list(d)
['c', 'b', 'd', 'a']
当把 dict
导出为 YAML 字符串时,为 yaml.safe_dump
传递 sort_keys=False
来保留 keys 的顺序。
>>> print(yaml.safe_dump(d))
a: 1
b: 1
c: 1
d: 1
>>> d['e'] = 1
>>> print(yaml.safe_dump(d, sort_keys=False))
c: 1
b: 1
d: 1
a: 1
e: 1
如果 Python 版本较低,或者你想确保代码能在更广泛的环境下工作,你可以使用 oyaml 库来代替 PyYAML 的 yaml
包。
>>> import oyaml as yaml
>>> d = yaml.safe_load(text)
>>> d
OrderedDict([('c', 1), ('b', 1), ('d', 1), ('a', 1)])
>>> d['e'] = 1
>>> print(yaml.safe_dump(d, sort_keys=False))
c: 1
b: 1
d: 1
a: 1
e: 1
优化列表项的缩进
默认情况下,PyYAML 输出的列表缩进与其父元素一致。
>>> d = {'a': [1, 2, 3]}
>>> print(yaml.safe_dump(d))
a:
- 1
- 2
- 3
这并不是很好的格式,根据 Ansible 和 HomeAssistant 等 YAML 书写规范,列表项应该缩进 2 空格。
这种格式也会对导致列表项不会被如 VSCode 等编辑器识别,进而无法使用编辑器的折叠功能。
要解决这个问题,使用如下代码片段,在代码中定义 IndentDumper
class:
class IndentDumper(yaml.Dumper):
def increase_indent(self, flow=False, indentless=False):
return super(IndentDumper, self).increase_indent(flow, False)
然后将它传递给 yaml.dump
的 Dumper
关键字参数。
>>> print(yaml.dump(d, Dumper=IndentDumper))
a:
- 1
- 2
- 3
注意,
yaml.safe_dump
由于有自己的 Dumper class,传递此参数会造成冲突。
输出可读的 UTF-8 字符
默认情况下,PyYAML 假设你希望输出的结果里只有 ASCII 字符。
>>> d = {'a': '你好'}
>>> print(yaml.safe_dump(d))
a: "\u4F60\u597D"
这会让输出结果非常难以阅读。
在 UTF-8 足够普及的今天,直接输出 UTF-8 字符是非常安全的。因此我们可以将 allow_unicode=True
传入 yaml.safe_dump
使 PyYAML 将 Unicode 转换成 UTF-8 字符串。
>>> print(yaml.safe_dump(d, allow_unicode=True))
a: 你好
一些 YAML 相关的库
oyaml
Link: https://github.com/wimglenn/oyaml
正如上文中提到的,oyaml 是 yaml
包的替换品,使 dict
keys 的顺序在 dump/load 的时候得以保留。
oyaml 是一个单文件库,只有 53 行代码,因此使用起来非常灵活,你可以直接把它的代码复制到自己的项目中,然后根据自己的需求进行修改。
strictyaml
Link: https://github.com/crdoconnor/strictyaml
有的人说 YAML 过于复杂和灵活,不是一个好的配置语言。但我认为这不是 YAML 的问题,而是使用方式的问题。如果我们限制程序只使用 YAML 的部分功能,YAML 其实可以变得像它设计的那般好用。
这就是 StrictYAML 的设计意图,它是一个类型安全的 YAML 解析器,实现了 YAML 规范说明中的一个子集 。
如果你对 YAML 的输入输出有较强的安全考虑,建议使用 StrictYAML 代替 PyYAML。
顺带一提的是,StrictYAML 的文档站有很多关于设计细节和配置语言思考的文章,非常值得一看。
ruamel.yaml
Link: https://yaml.readthedocs.io/en/latest/overview.html
ruamel.yaml 是 PyYAML 的一个分叉,于 2009 年发布并持续维护至今。
ruamel.yaml 的文档里详细说明了它和 PyYAML 的差异。总体来说,ruamel.yaml 专注在 YAML 1.2 上,对一些语法进行了优化。
ruamel.yaml 最令我感兴趣的特性是输入输出的 “round-trip”,可以最大程度地保留输入源的原始格式。官方文档中的定义是这样的:
A round-trip is a YAML load-modify-save sequence and ruamel.yaml tries to preserve, among others:
comments
block style and key ordering are kept, so you can diff the round-tripped source
flow style sequences ( ‘a: b, c, d’) (based on request and test by Anthony Sottile)
anchor names that are hand-crafted (i.e. not of the form
idNNN
)merges in dictionaries are preserved
如果你有尽可能保留原始格式的需求,建议使用 ruamel.yaml 代替 PyYAML。
在使用中我注意到 ruamel.yaml 的 safe load 方法 (
YAML(typ='safe').load
) 与 PyYAML 有些不同,它无法解析 flow style 的集合定义 (如a: {"foo": "bar"}
),这点没有在文档中提及,使用时须多加注意。
总结
YAML 有它好的地方和坏的地方。它易于阅读,初期的学习曲线非常平缓。但 YAML 的规范说明非常复杂,不仅造成了使用中的混乱,也使不同语言的实现在很多细微的地方难以保持一致。
尽管有这些小毛病,YAML 仍然是我心中最好的配置语言。希望这篇文章所介绍的技巧能够帮助你避免问题,获得更好的开发和使用体验。