PyYAML文件高效管理_python

我正在编写一个Python程序，该程序维护一个联系人列表，每个联系人都有3个字段：

名称
电话号码
电子邮件

联系人需要保存在YAML结构化文件中，并且该程序应该提供添加新联系人的功能。

我的代码是：

class contacts:
    def add_contact(self,file,contact):
        if not os.path.exists(file):
            #Creating for the first time
            temp = []
            temp.append(contact)
            with open(file, "w") as file_desc:
                yaml.dump(temp, file_desc, default_flow_style=False)
            file_desc.close()
        else:
            #Second onwards
            with open(file, "r") as file_desc:
                loaded = yaml.safe_load(file_desc)
                loaded.append(contact)
                with open(file, "w") as file_desc2:
                    yaml.dump(loaded, file_desc2, default_flow_style=False)
                    file_desc2.close()
            file_desc.close()

if __name__ == "__main__":

    data1 = {'name' :'Abcd', 'phone': 1234, 'email': 'abcd@gmail.com'}
    data2 = {'name': 'efgh', 'phone': 5678, 'email': 'efgh@gmail.com'}
    contact = contacts()
    contact.add_contact("contacts.yaml", data1)
    contact.add_contact("contacts.yaml",data2)

我认为这是效率低下的实现。 如果我们有100万个联系人，而我们想添加一个新联系人，则它将首先读取所有联系人，将其追加到列表中，然后再次写入所有1百万+ 1个联系人。 有没有一种方法可以只添加新的联系人而不必再次写入整个文件。 我想阅读很重要，因为我不想存储重复的联系人，因此需要进行比较。 任何其他有效的方法也将被理解。

在长时间运行的程序/过程P中，确实不需要重新读取数据。 有几件事要牢记：

如果在P停止时仅在其他程序中使用YAML文档，则仅当P退出时才需要写出该文件。 如果您没有单个退出点，则可能要使用这样做
如果在P运行时其他程序可能会编辑/更新列表，则请确保在添加新联系人之前检查YAML文件的日期时间戳并重新读取该文件。 如有必要，您可以使用锁来确保一次仅更新一个程序。
如果其他程序需要具有最新的YAML文档，则可以在每次更新时写出YAML，或者可以使用某种机制来通知P需要编写YAML文档。 我同时使用了处理和基于Zeromq的通信。

如果您使用真实的数据库，并且为一个简单的记录表，所有这些都具有相同的字段，那么上面的许多工作将为您完成，这可能是更好的选择。 但是，一旦事情变得更加复杂：每条记录具有不同的字段，复杂的和可能的递归数据，那么许多（SQL）数据库就成为一个附加问题，而不是帮助解决您试图解决的问题。

ruamel.yaml.base （免责声明：我是该软件包的作者）为您提供了现成的项目2），其他两个项目也很容易实现。 唯一棘手的事情是， YAMLBase通常期望在根级别为新文件进行映射/字典，因此当文件尚不存在时，需要进行强制转换。

完成pip install ruamel.yaml.base ：

import os
import ruamel.yaml
from ruamel.yaml.base import YAMLBase

yaml_path = 'contacts.yaml'

class Contacts(YAMLBase):
   def __init__(self, path=yaml_path, verbose=0):
       self._create_ok = True  # so the file is auto created if it doesn't exists
       super().__init__(path=path, verbose=verbose)
       if not os.path.exists(yaml_path):
           # this is necessary to force block style sequence at the top
           self._data = ruamel.yaml.comments.CommentedSeq()
           self._changed = True

   def add_record(self, contact):
       self.data.append(contact)
       self._changed = True  # this signals that writing is necessary

   def dump_file(self):
       """dump the contents of the file on disc"""
       print('dumping: "{}"'.format(self._path))
       with open(yaml_path) as fp:
           print(fp.read(), end='')



data1 = {'name' :'Abcd', 'phone': 1234, 'email': 'abcd@gmail.com'}
data2 = {'name': 'efgh', 'phone': 5678, 'email': 'efgh@gmail.com'}

contacts = Contacts()
contacts.add_record(data1)
contacts.save()  # optional
contacts.dump_file()

# this is just for checking 

contacts.add_record(data2)
contacts.save()
contacts.dump_file()

这使：

dumping: "contacts.yaml"
- name: Abcd
  phone: 1234
  email: abcd@gmail.com
dumping: "contacts.yaml"
- name: Abcd
  phone: 1234
  email: abcd@gmail.com
- name: efgh
  phone: 5678
  email: efgh@gmail.com

如果将verbose参数设置为1 ，则将在stdout上获取有关程序包中发生的情况的一些信息。

如果您有很多记录，则可能需要将Contacts self.data更改为self.fast_data ，这将使用更快的基于C的加载器加载YAML，但代价是无法保留（手动添加）输入的YAML中的注释等。 （无论哪种情况，都使用“ safe_load”）。

PyYAML文件高效管理

问题描述

1楼