Labelme批量转换json文件（代码基础12）
关于yaml
一、PyYaml
1、load() :返回一个对象
我们先创建一个yml文件，config.yml:
name: Tom Smith
age: 37
spouse:
name: Jane Smith
age: 25
children:
- name: Jimmy Smith
age: 15
- name1: Jenny Smith
age1: 12
读取yml文件：
import yaml
f = open(r'E:\AutomaticTest\Test_Framework\config\config.yml')
y = yaml.load(f)
print (y)
结果：
{'name': 'Tom Smith', 'age': 37, 'spouse': {'name': 'Jane Smith', 'age': 25}, 'children': [{'name': 'Jimmy Smith', 'age': 15}, {'name1': 'Jenny Smith', 'age1': 12}]}
2、load_all()生成一个迭代器
如果string或文件包含几块yaml文档，你可以使用yaml.load_all来解析全部的文档。
import yaml
f = '''
---
name: James
age: 20
---
name: Lily
age: 19
'''
y = yaml.load_all(f)
for data in y:
print(data)
执行结果：
{'name': 'James', 'age': 20}
{'name': 'Lily', 'age': 19}
3、yaml.dump 将一个python对象生成为yaml文档
import yaml
aproject = {'name': 'Silenthand Olleander',
'race': 'Human',
'traits': ['ONE_HAND', 'ONE_EYE']
}
print(yaml.dump(aproject，))
执行结果：
name: Silenthand Olleander
race: Human
traits: [ONE_HAND, ONE_EYE]
yaml.dump接收的第二个参数一定要是一个打开的文本文件或二进制文件，yaml.dump会把生成的yaml文档写到文件里
import yaml
aproject = {'name': 'Silenthand Olleander',
'race': 'Human',
'traits': ['ONE_HAND', 'ONE_EYE']
}
f = open(r'E:\AutomaticTest\Test_Framework\config\config.yml','w')
print(yaml.dump(aproject,f))
4、yaml.dump_all()将多个段输出到一个文件中
import yaml
obj1 = {"name": "James", "age": 20}
obj2 = ["Lily", 19]
with open(r'E:\AutomaticTest\Test_Framework\config\config.yml', 'w') as f:
yaml.dump_all([obj1, obj2], f)
输出到文件：
{age: 20, name: James}
--- [Lily, 19]
二、yaml语法
1、基本规则
1. 大小写敏感
2. 使用缩进表示层级关系
3. 缩进时不允许使用Tab，只允许使用空格
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
2、yaml转字典
yaml中支持映射或字典的表示，如下：
# 下面格式读到Python里会是个dict
name: 灰蓝
age: 0
job: Tester
输出：
{'name': '灰蓝', 'age': 0, 'job': 'Tester'}
3、yaml转列表
yaml中支持列表或数组的表示，如下：
# 下面格式读到Python里会是个list
- 灰蓝
- 0
- Tester
输出：
['灰蓝', 0, 'Tester']
4、复合结构：
字典和列表可以复合起来使用，如下：
# 下面格式读到Python里是个list里包含dict
- name: 灰蓝
age: 0
job: Tester
- name: James
age: 30
输出：
[{'name': '灰蓝', 'age': 0, 'job': 'Tester'}, {'name': 'James', 'age': 30}]
5、基本类型：
yaml中有以下基本类型：
字符串
整型
浮点型
布尔型
null
时间
日期
- 1
我们写个例子来看下：
# 这个例子输出一个字典，其中value包括所有基本类型
str: "Hello World!"
int: 110
float: 3.141
boolean: true # or false
None: null # 也可以用 ~ 号来表示 null
time: 2016-09-22t11:43:30.20+08:00 # ISO8601，写法百度
date: 2016-09-22 # 同样ISO8601
输出：
{'str': 'Hello World!', 'int': 110, 'float': 3.141, 'boolean': True, 'None': None, 'time': datetime.datetime(2016, 9, 22, 3, 43, 30, 200000), 'date': datetime.date(2016, 9, 22)}
- 1
如果字符串没有空格或特殊字符，不需要加引号，但如果其中有空格或特殊字符，则需要加引号了
str: 灰蓝
str1: "Hello World"
str2: "Hello\nWorld"
输出：
{'str': '灰蓝', 'str1': 'Hello World', 'str2': 'Hello\nWorld'}
- 1
这里要注意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；如：
str1: 'Hello\nWorld'
str2: "Hello\nWorld"
输出：
{'str1': 'Hello\\nWorld', 'str2': 'Hello\nWorld'}
可以看到，单引号中的’\n’最后是输出了，双引号中的’\n’最后是转义成了回车
6、引用
& 和 * 用于引用
name: &name 灰蓝
tester: *name
这个相当于一下脚本：
name: 灰蓝
tester: 灰蓝
输出：
{'name': '灰蓝', 'tester': '灰蓝'}
7、强制转换
yaml是可以进行强制转换的，用 !! 实现，如下：
str: !!str 3.14
int: !!int "123"
输出：
{'int': 123, 'str': '3.14'}
明显能够看出123被强转成了int类型，而float型的3.14则被强转成了str型。
8、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
---
name: James
age: 20
---
name: Lily
age: 19
三、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：
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
输出：
!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
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) 19
输出：
!!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。
四、示例
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
# Test using included Django test app
# First install python-django
# Then launch the app in another terminal by doing
# cd testapp
# python manage.py testserver test_data.json
# Once launched, tests can be executed via:
# python resttest.py http://localhost:8000 miniapp-test.yaml
---
- config:
- testset: "Tests using test app"
- test: # create entity
- name: "Basic get"
- url: "/api/person/"
- test: # create entity
- name: "Get single person"
- url: "/api/person/1/"
- test: # create entity
- name: "Get single person"
- url: "/api/person/1/"
- method: 'DELETE'
- test: # create entity by PUT
- name: "Create/update person"
- url: "/api/person/1/"
- method: "PUT"
- body: '{"first_name": "Gaius","id": 1,"last_name": "Baltar","login": "gbaltar"}'
- headers: {'Content-Type': 'application/json'}
- test: # create entity by POST
- name: "Create person"
- url: "/api/person/"
- method: "POST"
- body: '{"first_name": "Willim","last_name": "Adama","login": "theadmiral"}'
- headers: {Content-Type: application/json}