glom初级教程

1.glom介绍

通常对于字典和json的提取我们都是使用如下方式

>>> data = {'a': {'b': {'c': 'd'}}}
>>> data['a']['b']['c']
'd'

这种方式看起来简单，但是如果字段结构改变就引发了悲剧

>>> data2 = {'a': {'b': None}}
>>> data2['a']['b']['c']
Traceback (most recent call last):...
TypeError: 'NoneType' object is not subscriptable

错误虽然出来，可是没有直观告诉我们是哪个key引起的，a、b、c?

这个时候glom就应运而生，它非常方便的解决字典或者json嵌套的取值，还提供了输出控制，格式控制，结构容错等功能。

开始之前先对glom用法做一个介绍，它包含一下两个术语

target: 需要提取的dict、json、list或者其他对象。
spec: 我们想要的输出

output = glom(traget, spec) 这样就会提交到内存，然后得到我们想要的格式

>>> target = {'galaxy': {'system': {'planet': 'jupiter'}}}
>>> spec = 'galaxy.system.planet'
>>> glom(target, spec)
'jupiter'

2.glom安装

pip install glom

from glom import *

3.基本路径提取

glom提供了三种路径提取的方式

字符串
Path对象
T

字符串

路径直接提取数据 (单路单一匹配）

>>> target = {'galaxy': {'system': {'planet': 'jupiter'}}}
>>> spec = 'galaxy.system.planet'
>>> glom(target, spec)
'jupiter'

现在数据结构换了，planet变成list了

>>> target = {'system': {'planets': [{'name': 'earth'}, {'name': 'jupiter'}]}}
>>> glom(target, ('system.planets', ['name']))
['earth', 'jupiter']

现在要求变了，数据加字段了，output需要多个字段 (多路径单一匹配)

>>> target = {'system': {'planets': [{'name': 'earth', 'moons': 1}, {'name': 'jupiter', 'moons': 69}]}}
>>> spec1 =('system.planets', ['name'])
>>> spec2 =  ('system.planets', ['moons'])}
>>> pprint(glom(target, spec1))
['earth', 'jupiter']
>>> pprint(glom(target, spec2))
[1, 69]

这样写太麻烦了，glom提供了一个合并的方法，使用字典的方式格式化输出

>>> target = {'system': {'planets': [{'name': 'earth', 'moons': 1}，{'name': 'jupiter', 'moons': 69}]}
>>> spec = {'names': ('system.planets', ['name']), 'moons': ('system.planets', ['moons'])}
>>> pprint(glom(target, spec))
{'moons': [1, 69], 'names': ['earth', 'jupiter']}

现在更复杂了，不仅多了字段，有的数据key也发生了变化（多路径多匹配）

>>> target1 = {'system': {'dwarf_planets': [{'name': 'pluto', 'moons': 5},... {'name': 'ceres', 'moons': 0}]}}
>>> target2 = {'system': {'planets': [{'name': 'earth', 'moons': 1},... {'name': 'jupiter', 'moons': 69}]}}

>>> spec = {'names': (Coalesce('system.planets', 'system.dwarf_planets'), ['name']),'moons': (Coalesce('system.planets', 'system.dwarf_planets'), ['moons'])}
>>> pprint(glom(target, spec))
{'moons': [1, 69], 'names': ['earth', 'jupiter']}

Path对象

比如路径包含int，datetime等不适合使用'a.b.c'这种方式调用的，需要使用Path

>>> target = {'a': {'b': 'c', 'd.e': 'f', 2: 3}}
>>> glom(target, Path('a', 2))
3
>>> glom(target, Path('a', 'd.e'))
'f'

Path支持join

>>> Path(T['a'], T['b'])T['a']['b']
>>> Path(Path('a', 'b'),Path('c', 'd'))
Path('a', 'b', 'c', 'd')

Path支持切片

>>> path = Path('a', 'b', 1, 2)
>>> path[0]
Path('a')
>>> path[-2:]
Path(1, 2)

具体用法就是将字符串路径我位置替换成相应的Path对象

面向对象的表达方式，但是目前只能提取数据，不能做加工

>>> spec = T['a']['b']['c']
>>> target = {'a': {'b': {'c': 'd'}}}
>>> glom(target, spec)
'd'

T提取出来的就是对应的python对象，（具体用法待考证）

>>> from glom import T
>>> target = {'system': {'planets': [{'name': 'earth', 'moons': 1}，{'name': 'jupiter', 'moons': 69}]}
>>> spec = T['system']['planets'][-1].values()
>>> glom(target, spec)
['jupiter', 69]

>>> spec = ('a', (T['b'].items(), list))
 # reviewed below
>>> glom(target, spec)
[('c', 'd')]

4.数据加工

glom不仅仅支持数据的提取，还支持对数据格式化，或者自定义的lambda函数

比如将每个数据的moons求和

>>> target = {'system': {'planets': [{'name': 'earth', 'moons': 1},{'name': 'jupiter', 'moons': 69}]}}
>>> pprint(glom(target, ('system.planets', ['moons'], sum)}))
70

>>> target = {'system': {'planets': [{'name': 'earth', 'moons': 1},{'name': 'jupiter', 'moons': 69}]}}
>>> pprint(glom(target, ('system.planets', ['moons'], [lambda x: x*2])}))
[2, 138]

5.格式化输出

为了让输出更加有意义，glom提供结构化的2种方法，

字符串

{

"your name1": 提取路径规则1，

"your name2": 提取路径规则2，

"your name3": 提取路径规则3，

}

类 (之后补充)

6.debug调试

如果现有的error输出无法帮你解决bug，那么请使用 glom.Inspect

>>> target = {'a': {'b': {}}}
>>> val = glom(target, Inspect('a.b')) 
 # wrapping a spec
---path: ['a.b']
target: {'a': {'b': {}}}
output: {}---

猜你喜欢