Python讀取和存儲yaml文件的方法

更新時間：2021年10月17日 14:06:10 作者：Together_CZ

本文主要介紹了Python讀取和存儲yaml文件的方法，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

YAML 是 "YAML Ain't a Markup Language"（YAML 不是一種標記語言）的遞歸縮寫。在開發(fā)的這種語言時，YAML 的意思其實是："Yet Another Markup Language"（仍是一種標記語言）。

YAML 的語法和其他高級語言類似，并且可以簡單表達清單、散列表，標量等數(shù)據(jù)形態(tài)。它使用空白符號縮進和大量依賴外觀的特色，特別適合用來表達或編輯數(shù)據(jù)結構、各種配置文件、傾印調(diào)試內(nèi)容、文件大綱（例如：許多電子郵件標題格式和YAML非常接近）。

基本語法

大小寫敏感
使用縮進表示層級關系
縮進不允許使用tab，只允許空格
縮進的空格數(shù)不重要，只要相同層級的元素左對齊即可
'#'表示注釋

數(shù)據(jù)類型

YAML 支持以下幾種數(shù)據(jù)類型：
對象：鍵值對的集合，又稱為映射（mapping）/ 哈希（hashes） / 字典（dictionary）
數(shù)組：一組按次序排列的值，又稱為序列（sequence） / 列表（list）
純量（scalars）：單個的、不可再分的值

關于yaml的簡單介紹就到這里，今天需要用Python來讀取/存儲yml文件，廢話補多少，直接看具體的操作：

#!usr/bin/env python
# encoding:utf-8
from __future__ import division
 
 
"""
__Author__:沂水寒城
功能： yaml 操作
"""
 
 
import sys
import yaml
 
 
def write2Yaml(data, save_path="test.yaml"):
    """
    存儲yaml文件
    """
    with open(save_path, "w") as f:
        yaml.dump(data, f)
 
 
def loadData(data="config.yaml"):
    """
    加載yaml文件
    """
    with open(data, "r") as f:
        content = f.read()
    yamlData = yaml.load(content)
    print("yamlData_type: ", type(yamlData))
    print("yamlData: ", yamlData)
    return yamlData
 
 
if __name__ == "__main__":
    data = {
        "kind": "SeldonDeployment",
        "spec": {
            "name": "test-deployment",
            "predictors": [
                {
                    "graph": {
                        "endpoint": {"type": "REST"},
                        "type": "MODEL",
                        "name": "step_one",
                        "children": {
                            "endpoint": {"type": "REST"},
                            "type": "MODEL",
                            "name": "step_two",
                            "children": {
                                "endpoint": {"type": "REST"},
                                "type": "MODEL",
                                "name": "step_three",
                                "children": [],
                            },
                        },
                    },
                    "componentSpecs": [
                        {
                            "spec": {
                                "containers": [
                                    {
                                        "image": "seldonio/step_one:1.0",
                                        "name": "step_one",
                                    },
                                    {
                                        "image": "seldonio/step_two:1.0",
                                        "name": "step_two",
                                    },
                                    {
                                        "image": "seldonio/step_three:1.0",
                                        "name": "step_three",
                                    },
                                ]
                            }
                        }
                    ],
                    "name": "example",
                    "replicas": 1,
                }
            ],
        },
        "apiVersion": "machinelearning.seldon.io/v1alpha2",
        "metadata": {"name": "seldon-model"},
    }
 
 
    write2Yaml(data, save_path="test.yaml")
 
    yamlData = loadData(data="test.yaml")
 
 
    print(yamlData == data)

上述測試用的test.yaml文件如下：

apiVersion: machinelearning.seldon.io/v1alpha2
kind: SeldonDeployment
metadata:
  name: seldon-model
spec:
  name: test-deployment
  predictors:
  - componentSpecs:
    - spec:
        containers:
        - image: seldonio/step_one:1.0
          name: step_one
        - image: seldonio/step_two:1.0
          name: step_two
        - image: seldonio/step_three:1.0
          name: step_three
    graph:
      children:
        children:
          children: []
          endpoint:
            type: REST
          name: step_three
          type: MODEL
        endpoint:
          type: REST
        name: step_two
        type: MODEL
      endpoint:
        type: REST
      name: step_one
      type: MODEL
    name: example
    replicas: 1