Hi，大家好，我是编程小6，很荣幸遇见你，我把这些年在开发过程中遇到的问题或想法写出来，今天说一说
jmp软件使用教程_DEDAKJ使用说明书,希望能够帮助你!!!。

1. PyYaml

PyYaml是Python的一个专门针对yaml文件操作的模块，使用起来非常简单

pip install PyYaml 

基本格式要求

1，YAML大小写敏感；
2，使用缩进代表层级关系；
3，缩进只能使用空格，不能使用TAB，不要求空格个数，只需要相同层级左对齐（一般2个或4个空格）
4、缩进的空格数目不重要，只要相同层级的元素左对齐即可
5、# 表示注释，从它开始到行尾都被忽略

1、对象

key: child-key: value child-key2: value2 

转化为

key: { 
   child-key: value, child-key2: value2} 

2、数组

- - Java - LOL [[Java,LOL]] 

companies: - id: 1 name: company1 price: 200W - id: 2 name: company2 price: 500W 

companies: [{ 
   id: 1,name: company1,price: 200W},{ 
   id: 2,name: company2,price: 500W}] 

3、常量

YAML中提供了多种常量结构，包括：整数，浮点数，字符串，NULL，日期，布尔，时间。下面使用一个例子来快速了解常量的基本使用

boolean: - TRUE #true,True都可以 - FALSE #false，False都可以 float: - 3.14 - 6.e+5 #可以使用科学计数法 int: - 123 - 0b1010_0111_0100_1010_1110 #二进制表示 null: nodeName: 'node' parent: ~ #使用~表示null string: - 哈哈 - 'Hello world' #可以使用双引号或者单引号包裹特殊字符 - newline newline2 #字符串可以拆成多行，每一行会被转化成一个空格 date: - 2018-02-17 #日期必须使用ISO 8601格式，即yyyy-MM-dd datetime: - 2018-02-17T15:02:31+08:00 #时间使用ISO 8601格式，时间和日期之间使用T连接，最后使用+代表时区 

一些特殊符号

1. 分段

在同一个yaml文件中，可以用 — 来分段，这样可以将多个文档写在一个文件中
… 和—配合使用，在一个配置文件中代表一个文件的结束：

--- name: James age: 20 --- name: Lily age: 19 

这时候我们就得用到我们的 load_all() 方法出场了，load_all() 方法会生成一个迭代器，可以用for输出出来

2. 强制转换

yaml是可以进行强制转换的，用 !! 实现，如下：

string: - !!str 54321 - !!str true 

相当于把数字和布尔类型强转为字符串。当然允许转型的类型很多，比如

--- !!set - Mark McGwire: 65 - Sammy Sosa: 63 - Sammy Sosa: 63 - Ken Griffy: 58 

将数组解析为set，简单理解，转化的内容就是：[{Ken Griffy=58}, {Mark McGwire=65}, {Sammy Sosa=63}]，重复的Sammy Sosa去掉

3、单双引号

单引号和双引号的区别，单引号中的特殊字符转到Python会被转义，也就是到最后是原样输出了，双引号不会被Python转义，到最后是输出了特殊字符

4、换行处理

字符串处理中写成多行、’|’、’>’、’+’、’-‘的意义这里就不讲了
>在字符串中折叠换行，| 保留换行符，这两个符号是YAML中字符串经常使用的符号

accomplishment: > Mark set a major league home run record in 1998. stats: | 65 Home Runs 0.278 Batting Average 

{ 
   'accomplishment': 'Mark set a major league home run record in 1998.\n', 'stats': '65 Home Runs\n0.278 Batting Average\n'} 

5. 引用

& 和 * 用于引用

name: &name 灰蓝 tester: *name 

{ 
   'name': u'\u7070\u84dd', 'tester': u'\u7070\u84dd'} 

6，合并内容

merge: - &CENTER { 
    x: 1, y: 2 } - &LEFT { 
    x: 0, y: 2 } - &BIG { 
    r: 10 } - &SMALL { 
    r: 1 } sample1: <<: *CENTER r: 10 sample2: << : [ *CENTER, *BIG ] other: haha sample3: << : [ *CENTER, *BIG ] r: 100 

sample1中，<<: *CENTER意思是引用{x: 1,y: 2}，并且合并到sample1中，那么合并的结果为：sample1={r=10, y=2, x=1}

sample2中，<<: [*CENTER, *BIG] 意思是联合引用{x: 1,y: 2}和{r: 10}，并且合并到sample2中，那么合并的结果为：sample2={other=haha, x=1, y=2, r=10}

sample3中，引入了*CENTER, *BIG，还使用了r: 100覆盖了引入的r: 10，所以sample3值为：sample3={r=100, y=2, x=1}

有了合并，我们就可以在配置中，把相同的基础配置抽取出来，在不同的子配置中合并引用即可

7、PyYaml使用

5.1之后的发现yaml.load(input)弃用了
yaml 5.1之后的使用方式有两种：
方法一

1 def operateYaml(self,filename): 2 file = open(filename, "r",encoding='utf-8') 3 data = yaml.load(file,Loader=yaml.FullLoader) #loader可选择BaseLoader、SafeLoader、FullLoader、UnsafeLoader 4 file.close() 5 return data 

BaseLoader：仅加载最基本的YAML
SafeLoader：安全地加载YAML语言的子集。建议用于加载不受信任的输入。（safe_load）
FullLoader：加载完整的YAML语言。避免任意代码执行。这是当前（PyYAML 5.1）默认加载器调用yaml.load(input)（发出警告后）（full_load）
UnsafeLoader（也称为Loader向后兼容性）：原始的Loader代码，可以通过不受信任的数据输入轻松利用。（unsafe_load）

方法二

1 def operateYaml(self,filename): 2 file = open(filename, "r",encoding='utf-8') 3 data = yaml.full_load(file) #可使用3种不同的加载方式：yaml.safe_load、yaml.full_load、yaml.unsafe_load 4 file.close() 5 return data 

yaml.safe_load
yaml.full_load
yaml.unsafe_load

上面是吧yaml转化为python类型

yaml.dump()
yaml.dump_all()
yaml.safe_dump()
yaml.safe_dump_all()

这四个方法把python文件转化为str

8、 构造器(constructors)、表示器(representers)、解析器(resolvers )

1.yaml.YAMLObject
yaml.YAMLObject用元类来注册一个构造器（也就是代码里的 __init__() 方法），让你把yaml节点转为Python对象实例，用表示器（也就是代码里的 __repr__() 函数）来让你把Python对象转为yaml节点，看代码：

# -*- coding: utf-8 -*- import yaml class Person(yaml.YAMLObject): yaml_tag = '!person' def __init__(self, name, age): self.name = name self.age = age def __repr__(self): return '%s(name=%s, age=%d)' % (self.__class__.__name__, self.name, self.age) james = Person('James', 20) print yaml.dump(james) # Python对象实例转为yaml lily = yaml.load('!person {name: Lily, age: 19}') print lily # yaml转为Python对象实例 

!person { 
   age: 20, name: James} Person(name=Lily, age=19) 

2. yaml.add_constructor 和 yaml.add_representer

你可能在使用过程中并不想通过上面这种元类的方式，而是想定义正常的类，那么，可以用这两种方法

# -*- coding: utf-8 -*- import yaml class Person(object): def __init__(self, name, age): self.name = name self.age = age def __repr__(self): return 'Person(%s, %s)' % (self.name, self.age) james = Person('James', 20) print yaml.dump(james) # 没加表示器之前 def person_repr(dumper, data): return dumper.represent_mapping(u'!person', { 
   "name": data.name, "age": data.age}) # mapping表示器，用于dict yaml.add_representer(Person, person_repr) # 用add_representer方法为对象添加表示器 print yaml.dump(james) # 加了表示器之后 def person_cons(loader, node): value = loader.construct_mapping(node) # mapping构造器，用于dict name = value['name'] age = value['age'] return Person(name, age) yaml.add_constructor(u'!person', person_cons) # 用add_constructor方法为指定yaml标签添加构造器 lily = yaml.load('!person {name: Lily, age: 19}') print lily 

!!python/object:__main__.Person { 
   age: 20, name: James} !person { 
   age: 20, name: James} Person(Lily, 19) 

第一行是没加表示器之前，多丑！中间那行是加了表示器之后，变成了规范的格式，下面添加了构造器，能够把 !person 标签转化为Person对象。

这里用了 construct_mapping ，还有其他好多 construct_document， construct_object，construct_scalar，construct_sequence，construct_pairs，具体怎么用，可以自己研究下，看看API，看看源码学习下。

对应的 representer 也一样，有很多，这里只用了 represent_mapping，其他的不示例讲解了。

3. add_implicit_resolver

如果你不想每次都写标签，也可以用 add_implicit_resolver 方法添加解析器，然后它就能够把指定样式的没有标签的基本元素解析成对应的Python对象。这个就不详细分析给示例了。感兴趣的同学自己看文档学习吧。

9. 结语

yaml是一种很清晰、简洁的格式，而且跟Python非常合拍，非常容易操作，我们在搭建自动化测试框架的时候，可以采用yaml作为配置文件，或者用例文件，下面给出一个用例的示例，这个示例来自于Python restful接口框架 pyresttest:

今天的分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。